最大字段问题_含最大子矩阵和m子段和.pptVIP

最大子段和问题 * 钱能武 030130733 讲课的主要内容： 问题描述 最大子段和问题的简单算法以及改进算法(枚举/穷举) 最大子段和问题的分治算法 最大子段和问题的动态规划算法 推广1：最大子矩阵问题 推广2：最大m字段和问题算法及改进算法 补充内容：动态规划算法步骤 1、找出最优解的性质，并刻画其结构特征 2、递归地定义最优值 3、以自底向上的方式计算最优值 4、根据计算最优值时得到的信息结构最优解 * 最大子段和问题 问题描述：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 ai,ai+1,…,aj i,j=1, …,n,i≤j 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: A=(-2，11，-4，13，-5，-2) 11，-4，13 最大子段和为： 算法说明： 1、算法中的thissum代表当前子段和，即a[i]到a[j]多有元素的和；sum代表函数结束时存储的最大子段和。besti代表最大子段和的起点下标，bestj代表代表最大子段和的终点下标。 2、时间复杂度为O(n3). public static int MaxSubsum(int a[]){ int sum = 0; int besti; int bestj; for (int i=0;ia.length;i++) { for (int j=i;ja.length;j++) { int thissum=0; for (int k=i;k=j;k++) thissum+=a[k]; if (thissumsum) { sum=thissum; besti=i+1; bestj=j+1; } } } return sum; } 1、枚举算法设计 * 首先用最简单的枚举算法来解决这个问题。枚举所有可能的 起始下标和终止下标，累加求和。并从中选取最大的字段和。 * 改进的枚举算法设计 public static int MaxSubsum(int a[]){ int sum = 0; int besti; int bestj; for (int i=0;ia.length;i++) { int thissum=0; for (int j=i;ja.length;j++) { thissum+=a[j]; if (thissumsum) { sum=thissum; besti=i+1; bestj=j+1; } } } return sum; } thissum+=a[j]; 由 知第k次计算的的和可由k-1次的结果递推。 算法1每次都从头开始累加，则可将算法中的最内层一个for循环省去，避免重复计算。 改进后的算法只需要O(n2)的计算时间 2、分治算法 经过以上改进只是减少了i一定时的重复计算操作。其中仍会有很多重复计算。从这个问题结构可以看出，它适合于用分治法求解。 * 如果将所给的序列a[1:n]分为长度相等的2段a[1:n/2]和a[n/2+1:n]，分别求出这2段的最大子段和，则a[1:n]的最大子段和有3种情行。 (1)a[1:n]的最大子段和与a[1:(n/2)]最大子段和相同； (2)a[1:n]的最大子段和与a[(n/2)+1:n]最大子段和相同； 情形(1)、(2)可递归求得。 (3)a[1:n]的最大子段和为 , 且1≤i≤n/2,(n/2)+1≤j≤n。 * 对于情形(3)。容易看出，序列元素a[(n/2)]与a[(n/2)+1]一定在最优子序列中。因此，可以计算出a[i:(n/2)]的最大值s1；并计算出a[(n/2)+1:j]中的最大值s2。则s1＋s2即为出现情形(3)时的最优值。据此可设计出求最大子段和的分治算法。 复杂度分析 T(n)=O(nlogn) ??s1 = 0; //处理情形(3)??lefts = 0;??for (i = center; i = 1; i--)??{ ?lefts +=