求最大子数组和问题
2017-08-03 17:10
176 查看
一个有N个整数元素的一维数组(A[0],A[1],…A[N-1]),这个数组有很多子数组,求子数组和的最大值?注意:子数组必须是连续的、不需要返回子数组的具体位置、数组中包含:正、负、零整数、子数组不能空。
例如:
int A[5] = {-1,2,3,-4,2};
符合条件的子数组为2,3,即答案为5;
穷举法:
算法的时间复杂度为O(n^3)
优化: k在[i,j]区间内其实可以根据第二个区间算出sum
时间复杂度为O(n^2)
进一步分析:
我们利用穷举法虽然简单易懂,但是其时间复杂度很大,我们试着优化。现在考虑数组的第一个元素A[0],与和最大的子数组(A[i],……A[j])之间的关系,有以下三种关系:
1) i = j = 0;A[0]本身构成和最大的子数组 max {A[0]}
2) j > i = 0;和最大的子数组以A[0]开头 max{A[0]+TempMaxSum[1]}
3) i > 0;A[0]与和最大子数组没有关系 max{MaxSum[1]}
从上面3中情况可以看出,可以将一个大问题(N个元素的数组)转化为一个较小的问题(N - 1个元素的数组)。假设已经知道(A[1],……A[N-1])中和最大的子数组和为MaxSum[1],并且知道,(A[1],……A[N-1])中包含A[1]的和最大的子数组为TempMaxSum[1]。我们就可以把(A[0],……A[N-1])求和最大子数组问题转换为,MaxSum[0] = max{A[0],A[0]+TempMaxSum[1],MaxSum[1]}。
上面一种算法的思想已经接近动态规划求子问题的思想,来看看动态规划是如何实现的:
动态规划:
分治法实现:分而治之 (未完待续)
例如:
int A[5] = {-1,2,3,-4,2};
符合条件的子数组为2,3,即答案为5;
穷举法:
public static int MaxSubStringSum(int[] array,int n) { int sum,MaxSum =array[0]; /*i是数组的最左端*/ for(int i=0;i<n;i++) { /*j是数组的最右端*/ for(int j =i;j<n;j++) { //sum是array[i]到array[j]的子数组的和 sum = 0; for (int k = i; k <= j; k++) sum += array[k]; if(sum > MaxSum)//如果刚得到的这个子数组和更大 MaxSum = sum;//则更新结果 } } return MaxSum; } public static void main(String[] args) { int[] array= new int[] {-1,2,3,-4,2}; int n = array.length; int result= MaxSubStringSum(array,n); System.out.println(result); }
算法的时间复杂度为O(n^3)
优化: k在[i,j]区间内其实可以根据第二个区间算出sum
public static int MaxSubStringSum(int[] array,int n) { int sum,MaxSum =array[0]; /*i是数组的最左端*/ for(int i=0;i<n;i++) { /*j是数组的最右端*/ sum = 0; for(int j =i;j<n;j++) { sum += array[j]; MaxSum = Math.max(MaxSum,sum); } return MaxSum; }
时间复杂度为O(n^2)
进一步分析:
我们利用穷举法虽然简单易懂,但是其时间复杂度很大,我们试着优化。现在考虑数组的第一个元素A[0],与和最大的子数组(A[i],……A[j])之间的关系,有以下三种关系:
1) i = j = 0;A[0]本身构成和最大的子数组 max {A[0]}
2) j > i = 0;和最大的子数组以A[0]开头 max{A[0]+TempMaxSum[1]}
3) i > 0;A[0]与和最大子数组没有关系 max{MaxSum[1]}
从上面3中情况可以看出,可以将一个大问题(N个元素的数组)转化为一个较小的问题(N - 1个元素的数组)。假设已经知道(A[1],……A[N-1])中和最大的子数组和为MaxSum[1],并且知道,(A[1],……A[N-1])中包含A[1]的和最大的子数组为TempMaxSum[1]。我们就可以把(A[0],……A[N-1])求和最大子数组问题转换为,MaxSum[0] = max{A[0],A[0]+TempMaxSum[1],MaxSum[1]}。
public static int MaxSubStringSum(int[] array,int n) { int MaxSum = array[0]; int sum = array[0]; /*i从1开始*/ for(int i = 1;i < n;i++) { sum = Math.max(array[i],sum + array[i]); MaxSum = Math.max(MaxSum,sum); } return MaxSum; }
上面一种算法的思想已经接近动态规划求子问题的思想,来看看动态规划是如何实现的:
动态规划:
/*动态规划 核心思想:一旦发现子数组的和为负数,弃置,重新一个新数组。*/ public static int MaxSubStringSum(int[] array,int n) { int MaxSum = 0; int sum = 0; for(int i = 0;i < n;i++) { sum +=array[i]; MaxSum= Math.max(MaxSum, sum); if(sum < 0) sum = 0; } return MaxSum; }
分治法实现:分而治之 (未完待续)
相关文章推荐
- 树状数组求不带修改前缀最值问题 51NOD 1272 最大距离
- 最大子数组问题
- 算法导论之最大子数组问题 C语言实现
- 联机算法——最大子数组问题
- 【算法导论学习-007】最大子数组和问题(Maximum subarray problem)
- 动态规划-最大子数组和问题
- 数组中的最大值以及最小值的位置变换的问题(C++)
- LeetCode问题53:最大的连续子数组和
- 股票最大收益问题及数组最大差值问题
- 子数组和最大值,以及不相交子数组其和之差的最大值问题
- 最大子数组问题
- 最大子数组和问题
- 关于求数组的最大值和最小值问题(C代码)
- 最大子数组问题
- 子题数组的最大累加和问题
- 第四章 分治策略 4.1 最大子数组问题 (暴力求解算法)
- 最大子数组问题-c++代码实现及运行实例结果
- Leetcode121.+Leetcode53. Kadane算法解决最大子数组问题
- 求解最大子数组问题
- 最大子数组问题-暴力求解-c++代码实现及运行实例结果