一、什么是求最大連續(xù)子數(shù)列和
首先來看看這是個(gè)怎樣的問題的,問題描述:一個(gè)整型數(shù)組,數(shù)組里有正數(shù)也有負(fù)數(shù)。數(shù)組中連續(xù)的一個(gè)或多個(gè)整數(shù)組成一個(gè)子數(shù)組,每個(gè)子數(shù)組都有一個(gè)和,求所有子數(shù)組的和的最大值。注意:當(dāng)全是負(fù)數(shù)的情況時(shí),返回最大的那個(gè)負(fù)數(shù)
二、解題思路
這個(gè)問題的思路其實(shí)非常簡單,從左到右掃描數(shù)組,在掃描過程中,記錄數(shù)組的負(fù)數(shù)的個(gè)數(shù)和掃描過中數(shù)據(jù)中的最大值,并累加每個(gè)掃描到的數(shù)據(jù)的和,假設(shè)用變量thisSum(初值為0)保存,如果當(dāng)前的累加值大于之前的累加值的最大值 (例如用變量sum記錄,初值為0),則把當(dāng)前的最大值保存為最大值(sum = thisSum),如果thisSum小于0,則把thisSum設(shè)置為0并重新進(jìn)行累加。一直這樣掃描數(shù)組,直到把數(shù)組掃描完。
由于thisSum已經(jīng)小于0,也就是說之前統(tǒng)計(jì)的和可以舍棄,因?yàn)榘旬?dāng)前的元素累加之后,結(jié)果反而小了。例如把數(shù)組分成兩部分AB,因?yàn)锳的值小于0,所以如果從B開始從新累加,則其值一定比包括A然后去累加B的結(jié)果大,因?yàn)锳小于0.
由于如果數(shù)組全是負(fù)數(shù)時(shí),要返回最大的負(fù)數(shù),而從上面所說的說法中,我們可以看到當(dāng)前累加總和(thisSum)總是與0進(jìn)行比較,如果小于0則把thisSum置為0,所以當(dāng)數(shù)組全是負(fù)數(shù)時(shí),thisSum和數(shù)組的最大子序列之和(sum)總是為0,而與現(xiàn)實(shí)有點(diǎn)不一樣,所以就要記錄負(fù)數(shù)的數(shù)量,當(dāng)負(fù)數(shù)的數(shù)量等于元素的個(gè)數(shù)(即全是負(fù)數(shù))時(shí),就要把最大連續(xù)子序列和置為最大的負(fù)數(shù)。這也是前面所說的,在掃描過程中記錄負(fù)數(shù)的個(gè)數(shù)和最大元素的作用。
三、實(shí)現(xiàn)代碼
?
int MaxSum(int* a,int n) { int sum = 0; //用于記錄最大的連續(xù)子數(shù)組和 int flag = 0;//用于記錄負(fù)數(shù)的個(gè)數(shù) int MaxNum = *a;//用于記錄數(shù)組中最大的數(shù) int ThisSum = 0;//用于記錄當(dāng)前的連續(xù)子數(shù)組和 for(int i = 0; i < n; ++i) { if(a[i] < 0) //如果無素為負(fù)數(shù),則把flag的值加1 ++flag; if(MaxNum < a[i]) //記錄數(shù)組當(dāng)前的最大值 MaxNum = a[i]; ThisSum += a[i]; //累加更新當(dāng)前的子數(shù)組之和 if(ThisSum > sum) { //若當(dāng)前連續(xù)子數(shù)組之和大于記錄的子數(shù)組之和 //則設(shè)置最大連續(xù)子數(shù)組之和為當(dāng)前的和 sum = ThisSum; } else if(ThisSum < 0) { //如果當(dāng)前連續(xù)子數(shù)組之和小于0,則拋棄之前的連續(xù)子數(shù)組, //從此元素的下一個(gè)元素重新計(jì)算連續(xù)子數(shù)組之和 ThisSum = 0; } } //若全是負(fù)數(shù),最大值為數(shù)組中的最大無素 if(flag == n) sum = MaxNum; return sum; }
我們?cè)賮砜纯礈y(cè)試結(jié)果吧,測(cè)試代碼如下:
?
?
int main() { int a[100] = {1, -2, 3, 10, -4, 7, 2, -5}; cout<<MaxSum(a,8)<<endl; return 0; }
運(yùn)行結(jié)果如下:
?
從運(yùn)行結(jié)果和測(cè)試數(shù)據(jù)來看,最大的連續(xù)子數(shù)組應(yīng)該是3,10,-4,7,2.它們的和就為18.
四、時(shí)間復(fù)雜度和空間復(fù)雜度分析
從代碼和上面的解說可以看到,這個(gè)算法的時(shí)間復(fù)雜度只為O(N),而且常數(shù)為1,即只需要掃描一次數(shù)組即可完成任務(wù)。而且用到的輔助空間也非常少,只有四個(gè)變量,空間復(fù)雜度為O(1)。
五、完整代碼代碼下載地址:
https://github.com/ljianhui/Arithmetic
文件名: max_sum_of_continuous_sub_array.cpp
?
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號(hào)聯(lián)系: 360901061
您的支持是博主寫作最大的動(dòng)力,如果您喜歡我的文章,感覺我的文章對(duì)您有幫助,請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點(diǎn)擊下面給點(diǎn)支持吧,站長非常感激您!手機(jī)微信長按不能支付解決辦法:請(qǐng)將微信支付二維碼保存到相冊(cè),切換到微信,然后點(diǎn)擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
