- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
C++求解最大字段和的几种方法
问题定义:
给定n个整数(可能为负数)组成的序列a[1],a[2],a[3],…,a[n],求该序列如a[i]+a[i+1]+…+a[j]的子段和的最大值(0ijn)。当所给的整均为负数时定义子段和为0,依此定义,比如{5,-3,4,2}的最大子序列就是 {5,-3,4,2},它的和是8,达到最大;而 {5,-6,4,2}的最大子序列是{4,2},它的和是6。
方法一:学过程序设计的都会,那就是枚举i和j,求i和a[i]到a[j]之间的和的最大值。
int maxsub(int *a,int n)
{
int i,j,k,maxn=0;
for(i = 0 ; i n ; i++)
{
for(j = i+1 ; j n ;j++)
{
int temp_max = 0 ;
for(k = i ; k = j ;k++)
{
temp_max+=a[k];
}
if(temmax maxn)
{
maxn = temp_max;
}
}
}
return maxn;
}
时间复杂度O(n^3)。这显然是不能接受滴。其实这其中进行了大量的重复计算。
方法二:
可以把字段和结果线计算出来啊,存储到s[]数组中,即预处理
int sum = 0.s[n];
for(i = 0 ; i n ; i++)
{
sum+=a[i];
s[i]=sum;
}
这样在每次计算a[i]到a[j]之间的数和的时候就等于s[j]-s[i]。如此优化时间复杂度变为O(n^2).好一些了,能不能优化呢?显然在优化就是O(n*logn)和O(n)了吧!
方法三:
考虑能不能有O(n*logn)的算法呢?当然有了……
如果将给定的序列a[1..n]分成长度相等的两段a[1..n/2]和a[n/2+1:n],分别求出这两段的最大字段和。则该给定序列的最大字段和有三种情行:
1)和a[1..n/2]的最大字段和相同。
2)和a[n/2+1:n]的最大字段和相同。
3)最大字段和包含两部分,一部分在中,另一部分在a[n/2+1..n]中。
前两种情形我们可以用递归方法求出,第三种情形可以分别求出两部分的最大字段和值再相加(注:a[1..n/2]这部分求最大字段和要以a[n/2]结束,a[n/2+1..n] 这部分求最大字段和要以a[n/2+1]开始)。序列的最大字段和即为这三种情形的最大值。
int maxSubItem(int *a,int low,int high)
{
int s1,s2,s31,s32,i,j;
int sum;
int mid = ( low + high ) / 2;
if(low == high)
return a[low];
else
{
s1 = maxSubItem(a,low,mid);
s2 = maxSubItem(a,mid+1,high);
i = mid;
s31 = a[mid];
while ((s31 + a[i-1] s31) (i low))
{
s31 += a[i-1];
i--;
}
j = mid + 1;
s32 = a[mid + 1];
while ((s32 + a[j + 1] s32) (j high))
{
s32 += a[j + 1];
j++;
}
sum = s31 + s32;
if(sum s1) sum = s1;
if(sum s2) sum = s2;
}
}
这种情况下,显然时间复杂度为O(n*logn)。要是有O(n)的算法该多好呢?事实上还真有。这自然就是要想到动态规划了吧!!!
方法四:
int maxsub(int a,int n)
{
int temp = 0,maxn = -INF,k=1
int start,end;
for(i = 1 ; i = n ;i++)
{
temp+=a[i];
if(temp maxn)
{
maxn = temp;start = k ;end = i;
}
if(temp 0)
{
temp = 0;k = i+1;
}
}
return maxn;
}
分析一下这个算法,借用了一个临时变
文档评论(0)