最大子段和问题的动态规划算法精选.ppt

三、求最大子段和 2.最大子段和问题的分治算法 从最大子段和问题的解的结构可以看出，它适合用分治法求解。 a[1:n]的最大子段和有三种情形： (1) a[1:n]的最大子段和与a[1:n/2]的最大子段和相同。 (2) a[1:n]的最大子段和与a[n/2+1:n]的最大子段和相同。 (3) a[1:n]的最大子段和为 ， 且1≤i≤n/2, n/2+1≤j≤n。 其中(1)和(2)这两种情形可递归求得。 对于情形(3), a[n/2]与a[n/2+1]在最优子序列中，a[1:n]的最大子段和是a[1:n/2]的最大子段和与a[n/2+1：n]的最大子段和的和。 求最大子段和的分治算法如下： int MaxSubSum（int *a, int left, int right） { int sum =0; if (left==right) sum= a[left] 0?a[left]:0; else { int center = (left+right)/2; int leftsum = MaxSubSum(a, left, center); int rightsum = MaxSubSum(a, center+1, right ); int s1 =0; int lefts =0; for (int i=center; i=left; i--) { lefts += a[i]; if (lefts s1) s1= lefts; } int s2 =0; int rights =0; for (int i=center+1; i=right; i++) { rights += a[i]; if (rights s2) s2= rights; } sum = s1+s2; if (sum leftsum) sum = leftsum; if (sum rightsum) sum = rightsum; } return sum; } 分治算法的时间复杂性分析 时间复杂度： 得T(n)=O(nlog n) 3. 最大子段和问题的动态规划算法 （1）分析问题最优解的结构 在对上述分治算法的分析中我们注意到，若记 b[j]= , 1≤j≤n,则所求最大子段和为： * 给定由n个整数（可能为负整数）组成的序列a1, a2,…, an, 求该序列形如 的子段和的最大值。当所有整数均为负整数时定义其最大子段和为0。依此定义，所求的最优值为： 例如, 当（a1,a2,a3,a4 ,a5,a6) = （-2,11,-4,13,-5,-2）时，最大子段和为: = 20。 最大子段和问题的简单算法 用数组a[ ]存储给定的n个整数a1, a2,…, an。 int MaxSum（int n, int a*, int besti, int bestj） { int sum=0; for (int i=1; i=n; i++) for (int j=i; j=n; j++) { int thissum=0; for (int k=i; k=j; k++) thissum+=a[k]; if (thissumsum) { sum= thissum; besti= i; bestj=j; } } return sum; } 从这个算法的3个for循环可以看出它所需的计算时间是O(n3)事实上，如果我们注意到 = 则可将算法中的最后一个循环省去，避免重复计算，从而使算法得以改进。改进后的算法可描述为： int MaxSum（int n, int *a, int besti, int bestj） { int sum=0; for (int i=1; i=n; i++) { int thissum=0; for (int j=i; j=n; j++) { thissum += a[j]; if (thissumsum)