分治策略 | 最大子数组问题
2017-08-25 15:38
441 查看
分治策略 就是把一个大问题递归地分解成规模较小的子问题,子问题的规模可能不等。
最大子数组问题,找数组A中和最大的连续段A[i, .., j]。A中要有负数这个问题才有意义。
![](https://img-blog.csdn.net/20170821200034321)
![](https://img-blog.csdn.net/20170821200446517)
伪代码:
(跨中点的情况)
![](https://img-blog.csdn.net/20170821200707551)
![](https://img-blog.csdn.net/20170821200734374)
(完全在原数组左边或右边的情况)
![](https://img-blog.csdn.net/20170821200958645)
C++代码:
---------- 更新分治策略写法 (上面的代码是何等的woc...) ----------
int maxSubArray(vector<int>& nums) {
if (nums.empty())
return 0;
return findMaxSubArray(nums, 0, nums.size() - 1);
}
int findMaxSubArray(vector<int>& nums, int left, int right) {
if (left >= right) return nums[left];
int mid = left + (right - left) / 2;
int lmax = findMaxSubArray(nums, left, mid - 1);
int rmax = findMaxSubArray(nums, mid + 1, right);
int mmax = nums[mid], temp = mmax; //跨中点数组
for (int i = mid - 1; i >= left; --i) {
temp += nums[i];
mmax = max(mmax, temp);
}
temp = mmax;
for (int i = mid + 1; i <= right; ++i) {
temp += nums[i];
mmax = max(mmax, temp);
}
return max(mmax, max(lmax, rmax));
}
习题中也介绍了一种方法,线性时间O(n)指的是已知A[1,..,j]的最大子数组再求A[1,..,j+1]的最大子数组,但如果看整体的时间复杂度,还是O(n^2),不如分治法好。
最大子数组问题,找数组A中和最大的连续段A[i, .., j]。A中要有负数这个问题才有意义。
伪代码:
(跨中点的情况)
(完全在原数组左边或右边的情况)
C++代码:
#include <iostream> using namespace std; struct maxSubarray { int low; int high; int sum; }; maxSubarray findMaxCrossingSubarray(int* arr, int low, int mid, int high) { int sum = 0; int leftSum = -65535; int rightSum = -65535; maxSubarray crossSub; crossSub.low = low; crossSub.high = high; for (int i = mid; i >= low; i--) { sum += arr[i]; if (sum > leftSum) { leftSum = sum; crossSub.low = i; } } sum = 0; for (int i = mid + 1; i <= high; i++) { sum += arr[i]; if (sum > rightSum) { rightSum = sum; crossSub.high = i; } } crossSub.sum = leftSum + rightSum; return crossSub; } maxSubarray findMaxmumSubarray(int* arr, int low, int high, int sum) { if (low == high) { maxSubarray sub; sub.low = low; sub.high = high; sub.sum = arr[low]; return sub; } else { int mid = (low + high) / 2; maxSubarray leftSub; leftSub = findMaxmumSubarray(arr, low, mid, sum); maxSubarray rightSub; rightSub = findMaxmumSubarray(arr, mid + 1, high, sum); maxSubarray crossSub; crossSub = findMaxCrossingSubarray(arr, low, mid, high); if (leftSub.sum >= rightSub.sum && leftSub.sum >= crossSub.sum) return leftSub; else if (rightSub.sum >= leftSub.sum && rightSub.sum >= crossSub.sum) return rightSub; else if (crossSub.sum >= leftSub.sum && crossSub.sum >= rightSub.sum) return crossSub; } } int main() { int A[10] = { 4, 5, 7, -2, -3, -6, -1, 9, -2, 4 }; maxSubarray maxSub; maxSub = findMaxmumSubarray(A, 0, sizeof(A) / sizeof(A[0]) - 1, -65535); cout << maxSub.low << "," << maxSub.high << "," << maxSub.sum << endl; return 0; }
---------- 更新分治策略写法 (上面的代码是何等的woc...) ----------
int maxSubArray(vector<int>& nums) {
if (nums.empty())
return 0;
return findMaxSubArray(nums, 0, nums.size() - 1);
}
int findMaxSubArray(vector<int>& nums, int left, int right) {
if (left >= right) return nums[left];
int mid = left + (right - left) / 2;
int lmax = findMaxSubArray(nums, left, mid - 1);
int rmax = findMaxSubArray(nums, mid + 1, right);
int mmax = nums[mid], temp = mmax; //跨中点数组
for (int i = mid - 1; i >= left; --i) {
temp += nums[i];
mmax = max(mmax, temp);
}
temp = mmax;
for (int i = mid + 1; i <= right; ++i) {
temp += nums[i];
mmax = max(mmax, temp);
}
return max(mmax, max(lmax, rmax));
}
习题中也介绍了一种方法,线性时间O(n)指的是已知A[1,..,j]的最大子数组再求A[1,..,j+1]的最大子数组,但如果看整体的时间复杂度,还是O(n^2),不如分治法好。
相关文章推荐
- 算法导论:分治策略__最大子数组问题
- 第4章:分治策略 ——最大字数组问题
- 第四章 分治策略 4.1 最大子数组问题 (暴力求解算法)
- 算法导论之分治策略:最大子数组问题
- 算法导论C语言实现: 分治策略 -- 最大子数组问题
- 第四章 分治策略——最大子数组问题
- 第四章 分治策略 4.1 最大子数组问题(自己想的,不知道是不是减治法)
- 分治策略算法之最大字数组和问题
- 第四章 分治策略 4.1 最大子数组问题(自己想的,不知道是不是减治法)
- 分治策略之最大子数组问题
- 第四章 分治策略 4.1 最大子数组问题 (暴力求解算法)
- 分治策略——最大子数组问题
- 分治策略之最大子数组问题
- [置顶] 算法导论学习:分治策略之最大子数组问题
- 第四章 分治策略 4.1 最大子数组问题 (减治法,别人的,拿来看看)
- 分治策略之最大子数组问题
- 算法学习之路:分治策略-最大子数组-java实现
- 分治策略 求两同长数组的中位数问题
- 最大子数组—— Java -分治策略
- 算法导论学习笔记(二)分治策略之最大子数组