1. 最大连续子序列和
给定一个数字序列 $A_{1}, A_{2}, \cdots, A_{n}$,求i,j(1$\le i \le j \le n$),使得$A_{i} + \cdots + A_{j} $最大,输出这个最大和。
样例:
-2 11 -4 13 -5 -2
显然 11+(-4)+13=20为和最大的选取情况,因此最大和为20
使用动态规划,复杂度为O(n)的做法:设置dp[i]表示以A[i]作为末尾的连续序列的最大和,如此一来,要求的最大和其实就算dp[0],dp[1],$\cdots$,dp[n-1]中的最大值,下面想办法求解dp数组。
因为dp[i]要求必须是以A[i]作为末尾的连续序列的最大和,那么只有两种情况:
- 这个最大和的连续序列只有一个元素,即A[i];
- 这个最大和的连续序列有多个元素,即从前面某处A[p]开始(p<i),一直到A[i]结尾。
对于第一种情况,最大和就是A[i]本身。对于第二种情况,最大和是dp[i-1]+A[i]。于是得到状态转移方程
依此写出代码
1 |
|
不需要记录每个index的连续序列的最大和时可以写成以下简洁的形式:
1 | int maxSubArray(int* a, int n)//一维数组的最大连续子序列 |
2. 最大子矩阵和
已知矩阵的大小定义为矩阵中所有元素的和。
第一行输入一个方阵的行数n,之后的n行输入方阵的每个元素,你的任务是找到最大的非空(大小至少是1 * 1)子矩阵。
n
0 -2 -7 0
9 2 -6 2
-4 1 -4 1
-1 8 0 -2
的最大子矩阵是
9 2
-4 1
-1 8
这个子矩阵的大小是15。
直觉上来看,这个问题就是上述最大连续子序列和拓展到二维的情况。那么关键在于如何将两者联系起来。首先我们知道一定存在0$\le i \le j \le n-1$,最优解就在第i行和第j行之间,剩下的就是去确定两个列,我们可以通过遍历所有i, j的情况,针对一对确定的i, j,我们将每一列的[i, j]行之间的数各自相加。得到一个一维数组,$a[i][0] + $\cdots$ + a[j][0], $\cdots$, a[i][n-1] + $\cdots$ + a[j][n-1]$,而后对这个一维的和数组求最大连续子序列和。最后求出上述每个i, j的最大连续子序列和的最大值即为最大子矩阵和。得到一个$O(n^3)$的算法。
代码如下:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26const int MAXV = 110;
int matrix[MAXV][MAXV];
int tmp[MAXV]; //用于保存\[i, j\]行之间的数各自相加的一维数组
void MaxSubMatrix()
{
int n;
scanf("%d", &n);
for (int i = 0; i < n; i++)
for (int j = 0; j < n; j++)
scanf("%d", &matrix[i][j]);
int tmpsum, themax = -1000000000;
for (int i = 0; i < n; i++)
{
fill(tmp, tmp + n, 0);//每次移动i的时候tmp数组清零
for (int j = i; j < n; j++)//遍历所有i, j的情况
{
for (int k = 0; k < n; k++)
{
tmp[k] += matrix[j][k];//重复利用tmp,因为对于i, j的遍历是先固定i,递增j,所以当j从p变为p+1时,可以利用$tmp_p$加上第p+1行的元素即可
}
tmpsum = maxSubArray(tmp, n); //上述的最大连续序列和
themax = max(themax, tmpsum);
}
}
printf("%d\n", themax);
}