求连续子数组的最大和
2014-06-24 11:16
232 查看
本文参考July博客,学习用途:
求连续子数组的最大和
解法1. 三重循环暴力破解(时间复杂度O(n^3))
解法2. 难以理解july解法(其实是没有思路)(时间复杂度O(n))
解法3.
动态规划(时间复杂度O(n))
上述三种解法其实都难以理解(从思路上说的)
在王晓东的计算机算法与分析一书上P60有一个分治法,该法对于理解动态规划法很有帮助:
至于 王晓东的树上面的 关于最大子段和问题的动态规划算法从分治里面借鉴思想,主要就借鉴了一个:定一端,分治是定了中间,从center + 1 , center开始两端遍历,而动态规划是定结尾(定后端,从数学式出发推导,得到递归式)实现算法如上述解法2,上述解法2和3是一样的,下面给出分治法:
解法4.
分治 ,时间复杂度 O(nlogn)
现在,回到 July博客:
July的第二节给出的四种解法,第二种解法无详细看,其余三种解法一样。
下面给出所有JAVA代码:
本次学习完。
求连续子数组的最大和
解法1. 三重循环暴力破解(时间复杂度O(n^3))
解法2. 难以理解july解法(其实是没有思路)(时间复杂度O(n))
public class sumofarr { public static void main(String[] args) { int arr[]= {1, -2, 3, 10, -4, 7, 2, -5}; System.out.println(maxsum(arr)); } static int maxsum(int[] arr){ int max= arr[0]; int sum =0; int lengthOfArr = arr.length; for(int j=0;j<lengthOfArr;j++){ if(sum>0) sum+=arr[j]; else sum=arr[j]; if(sum>max) max=sum; } return max; } }
解法3.
动态规划(时间复杂度O(n))
static int maxs(int[] arr){ int lengthOfArr = arr.length; int[] sum = new int[lengthOfArr]; sum[0] = arr[0]; int result = arr[0]; for(int i=0;i<lengthOfArr-1;i++){ //动态规划,其实上面的解法与下面的有点关系。 sum[i+1] = max(arr[i+1],sum[i]+arr[i+1]); result = max(result,sum[i+1]); } return result; }
上述三种解法其实都难以理解(从思路上说的)
在王晓东的计算机算法与分析一书上P60有一个分治法,该法对于理解动态规划法很有帮助:
至于 王晓东的树上面的 关于最大子段和问题的动态规划算法从分治里面借鉴思想,主要就借鉴了一个:定一端,分治是定了中间,从center + 1 , center开始两端遍历,而动态规划是定结尾(定后端,从数学式出发推导,得到递归式)实现算法如上述解法2,上述解法2和3是一样的,下面给出分治法:
解法4.
分治 ,时间复杂度 O(nlogn)
static int maxSubSum(int[] arr, int left, int right){ int sum =0; // 递归结束条件:left == right if(left == right ) sum = arr[left]>0?arr[left]:0; else{ int center = (left+right)/2; // case 1 : arr[left:center]最大子段和 int leftsum = maxSubSum(arr,left,center); // case 2 : arr[center+1:right]最大子段和 int rightsum = maxSubSum(arr,center+1,right); int s1 =0 ; int lefts =0; for(int i=center;i>=left;i--){ lefts += arr[i]; // 定一端,定中点,从center向 left遍历,找出以center为终点的最大子段 if(lefts>s1) s1= lefts; } int s2= 0; int rights=0; for(int i=center+1;i<=right;i++){ rights += arr[i]; // 定一端,定中点,从center向 right遍历,找出以center为起点的最大子段 if(rights >s2) s2 = rights; } // 上述两子段相加 // case 3 sum =s1+s2; // 将 case 3 和 case 1 , case 2 比较 if(sum < leftsum) sum = leftsum; if(sum<rightsum) sum = rightsum; } // 得出结果 // 动态规划的定j点,以j点为终点的想法恐怕是从以center为终点得出。这样想比较符合人的思路。 return sum; } static int maxSum(int[] arr){ return maxSubSum(arr,0,arr.length-1); }
现在,回到 July博客:
July的第二节给出的四种解法,第二种解法无详细看,其余三种解法一样。
下面给出所有JAVA代码:
public class sumofarr { public static void main(String[] args) { int arr[]= {1, -2, 3, 10, -4, 7, 2, -5}; // 动态规划 System.out.println(maxsum(arr)); // 动态规划 System.out.println(maxs(arr)); // 分治法 System.out.println(maxSum(arr)); } static int maxsum(int[] arr){ int max= arr[0]; int sum =0; int lengthOfArr = arr.length; for(int j=0;j<lengthOfArr;j++){ if(sum>0) sum+=arr[j]; else sum=arr[j]; if(sum>max) max=sum; } return max; } static int maxs(int[] arr){ int lengthOfArr = arr.length; int[] sum = new int[lengthOfArr]; sum[0] = arr[0]; int result = arr[0]; for(int i=0;i<lengthOfArr-1;i++){ //动态规划,其实上面的解法与下面的有点关系。 sum[i+1] = max(arr[i+1],sum[i]+arr[i+1]); result = max(result,sum[i+1]); } return result; } static int max(int a, int b){ return a>b?a:b; } static int maxSubSum(int[] arr, int left, int right){ int sum =0; // 递归结束条件:left == right if(left == right ) sum = arr[left]>0?arr[left]:0; else{ int center = (left+right)/2; // case 1 : arr[left:center]最大子段和 int leftsum = maxSubSum(arr,left,center); // case 2 : arr[center+1:right]最大子段和 int rightsum = maxSubSum(arr,center+1,right); int s1 =0 ; int lefts =0; for(int i=center;i>=left;i--){ lefts += arr[i]; // 定一端,定中点,从center向 left遍历,找出以center为终点的最大子段 if(lefts>s1) s1= lefts; } int s2= 0; int rights=0; for(int i=center+1;i<=right;i++){ rights += arr[i]; // 定一端,定中点,从center向 right遍历,找出以center为起点的最大子段 if(rights >s2) s2 = rights; } // 上述两子段相加 // case 3 sum =s1+s2; // 将 case 3 和 case 1 , case 2 比较 if(sum < leftsum) sum = leftsum; if(sum<rightsum) sum = rightsum; } // 得出结果 // 动态规划的定j点,以j点为终点的想法恐怕是从以center为终点得出。这样想比较符合人的思路。 return sum; } static int maxSum(int[] arr){ return maxSubSum(arr,0,arr.length-1); } }
本次学习完。
相关文章推荐
- 连续子数组最大和
- 求连续子数组的最大和
- LeetCode OJ-53.Maximum Subarray(最大连续子数组和)
- 算法训练——求最大连续子数组
- 剑指offer(27)-连续子数组的最大和
- 最大子矩阵:二维数组的最大连续子数组和
- 连续子数组的最大和
- 求最大连续子数组之和
- 求连续子数组的最大和
- 连续子数组的最大乘积、最小乘积
- 三种方法求连续子数组的最大和
- 连续子数组的最大和
- 连续子数组的最大和
- 最大连续子数组和最大、最小,绝对值最大、最小
- 最大连续子数组和
- 求连续子数组的最大和
- LeetCode#53. Maximum Subarray(最大连续子数组和)
- (算法)和为0的最大连续子数组
- 连续子数组最大和
- 第四章——最大连续子数组的和