• 最大子数组01


    题目:返回一个整数数组中最大子数组的和

    要求:

        1.输入一个整形数组,数组里有正数也有负数

        2.数组中连续的一个或多个整数组成一个子数组,每个子数组都有一个和

        3.求所有子数组的和的最大值,要求时间复杂度为O(n)

    程序设计思路:

        初始时,程序的设计思路为求出整形数组中每个子数组的和,然后通过比较大小的方式,求出最大子数组,但是这样的做法不符合时间复杂度的要求。所以改进思路,采用动态规划的方式解决这个问题。

        动态规划求解最大子数组的过程如下:利用迭代的思想,首先求出前i-1个元素的最大子数组,若前i-1个元素的最大子数组的和小于零,则将其抛弃,从第i个元素重新开始记录最大子数组的问题,因为无论第i个元素是正是负,加上前i-1个元素最大值这个负值,结果一定比本身小,所以将前i-1个元素的最大子数组值抛弃,但若第i个元素的值小于最大子数组的值,则应最大子数组的起始位置回复到原来。若第i-1个元素的最大子数组值大于零,则将第i个元素加入其中,然后判断临时值与最大子数组的值大小,如果临时值(即加入第i个元素后的值)比最大子数组值大,则将当下的临时值赋给最大子数组值,并将最大子数组的结束位置设置到当下,即第i个元素。

    程序编写过程中出现的问题:

        第一次编写成功后,在运行时出现了一个问题,例如有两个元素-1和-9,按照程序的思路,-1小于0,则将最大子数组的起始位置设置到-9,但是-9小于-1,所以最大子数组还是-1,因此,最后输出最大子数组时产生了错误。

    解决办法:

        我的解决办法就是加了一个判断条件,即如果第i个元素被设置为最大子数组的起始位置后,判断第i个元素和最大子数组值的大小,如果第i个元素的值小于最大子数组值,则将最大子数组的起始位置恢复到原来的起始位置。

    程序源代码如下所示:

    //动态规划求最大子数组问题
    //2016-03-23
    
    #include<iostream>
    using namespace std;
    
    int main()
    {
    	int length;  //记录数组的长度
    	cout << "请输入一个一维输入的长度:";
    	cin >> length;  //输入数组长度
    	while (length < 1)  //判断输入是否合法
    	{
    		cout << "数组长度输入错误,请重新输入:";
    		cin >> length;
    	}
    	int A[100];    //存放数组长度,如果数组长度不确定,则可用动态申请内存空间的方法
    	int maxSubSum;  //记录最大子数组的和
    	int start=0, end=0;  //初始时设置第一个元素为最大子数组,start和end表示最大子数组的开始和结束
    	cout << "请输入" << length << "个数组元素:";
    	for (int i = 0; i < length; i++)
    	{
    		cin >> A[i];   //输入数组的元素
    	}
    
    	maxSubSum = A[0];  //将第一个元素的值给最大值进行初始化
    	int temp = A[0];   //临时记录当前最大值
    	for (int i = 1; i < length; i++)
    	{
    		if (temp<0)    //如果前i个元素的最大子数组值小于零,则将其抛弃,从第i个元素重新开始
    		{
    			temp = A[i];
    			int back = start;
    			start = i;
    			if (temp < maxSubSum)  //如果临时值比最大值小,则将最大子数组的起始点恢复到原来值
    			{
    				start = back;
    			}
    		}
    		else    //否则将第i个元素也加入到最大子数组中去
    		{
    			temp = temp + A[i];
    		}
    		if (maxSubSum < temp)  //如果当前值比最大值大,则将当前值赋给最大子数组和
    		{
    			maxSubSum = temp;
    			end = i;
    		}
    	}
    	cout << "最大子数组为:";
    	for (int i = 0; i < (end - start+1); i++)
    	{
    		cout << A[start + i] << " ";  //输出连续的最大子数组
    	}
    	cout << endl;
    	cout << "最大子数组的和为:" << maxSubSum << endl;  //输出最大子数组的和
    	return 0;
    }
    

    程序运行结果截图如下所示:

    总结:

        动态规划求解最大子数组问题非常方便简捷,而且时间复杂度控制在了O(n)中,这比全部求出子数组的和再求最大子数组高效很多,这次实验也让我明白一个优良的算法对于程序的重要性。在后续的学习中,我要努力深入的学习算法的优越性,在以后的工作和编程中,也应该多多留意,多多考虑,尝试用最优化的方式解决实际问题。

  • 相关阅读:
    python-观察者模式
    python-迭代器模式
    python-策略模式
    python-组合模式
    python-享元模式
    python-代理模式
    虚基类与虚继承
    指针与地址的关系
    大数相加和大数相乘以及打印从1到最大的n位数
    各种排序实现以及稳定性分析
  • 原文地址:https://www.cnblogs.com/hulidanxiang/p/5322700.html
Copyright © 2020-2023  润新知