昨天偶然上csdn，看到這個問題，學習了一種複雜度為o(n)的演算法，可以計算array的最大子陣列問題。思路就是從0-length，將array累加起來，同時用乙個變數max記錄最大值，如果sum > max，就更新max，如果sum < 0 就令sum = 0(為什麼是這樣呢，sum < 0的話，前面的就可以直接捨棄了）。附上**：
#include using namespace std;
void maxsubarray(int array, int len)
//sum < 0的話，就該把前面的拋棄，並且重置sum 為 0， 起始位置為 i + 1
if (sum < 0)
//sum > 0，繼續 (假設最大子陣列在中間 array[i~j]
//因為 array[k~i-1]的和大於0，則array[k~j]顯然是更大的子陣列) 因此 sum > 0時候，繼續
} cout << "start position: " << s_pos << endl;
cout << "end position: " << e_pos << endl;
cout << "max value: " << max << endl;
}int main()
;maxsubarray(a, sizeof(a)/sizeof(int));
system("pause");
return 0;
}
接著又看到一篇動態規劃的最大子陣列問題，看了下，覺得這跟上面的方法就是一樣的，那個dp[i]也不是記錄著dp[0~i]的最大子陣列問題，於是我就想用dp[i]記錄dp[0~i]的最大子陣列問題值，用動態規劃，就是考慮當前的array[i]是不是最大子陣列的一員，如果是要怎麼做，不是要怎麼做，**如下：
#include #define size 9
using namespace std;
void maxsubarray(int array, int dp, int len)
if (sum < 0)
}//sum2>0 && dp[i-1] + sum2 > max,則array[end_position~i]與array[0~i]合併才是當前陣列最大子陣列值
if (sum2 > 0 && dp[i-1]+sum2 > max) else if (dp[i-1] > max) else
} for (int i = 0; i < len; i++)
cout << dp[i] << ' ';
}int main() ;
int dp[size];
maxsubarray(a, dp, size);
system("pause");
return 0;
}
array= ,dp[2] = 38, end_position = 1(最大子陣列的末尾下標, dp[2]表示array[0-2]的子陣列最大值)，則dp[3]的求法為，先看看-7+12 是否是大於0的，如果大於0，則18 20 -7 12合併後顯然比dp[2]更大，應該合併，這時也得找出-7 12 這個陣列最大子陣列值，顯然是12，拿12和合併後的比較取較大者，然後更新end_position。繼續迴圈
動態規劃 最大子陣列和問題
有整型陣列int a 求這個陣列的最大子陣列和 來手寫一下求取最大子陣列和序列的過程，用m i 表示第i個數所對應的最大子陣列和 s 0 1 m 0 1 s 1 max 1 m 1 max 1 s 2 max 3 m 2 max 3 s 3 max 13 m 3 max 13 s 4 max 9 m...
動態規劃 最大子陣列
解題思路 對於這樣乙個連續和的問題 個人習慣叫做最大連續和 如果我們要用動態規劃來解，首先得考慮狀態和狀態轉移方程。如果我們把題述陣列看成序列，那麼是不是可以用序列dp來考慮呢？我們不妨考慮乙個這樣的序列 1，3，5，2，4 a i 表示這個序列的第 i 個元素，dp i 表示最後乙個元素是a i ...
最大子陣列問題（動態規劃初級題目）
題目 hz偶爾會拿些專業問題來忽悠那些非計算機專業的同學。今天測試組開完會後,他又發話了 在古老的一維模式識別中,常常需要計算連續子向量的最大和,當向量全為正數的時候,問題很好解決。但是,如果向量中包含負數,是否應該包含某個負數,並期望旁邊的正數會彌補它呢？例如 連續子向量的最大和為8 從第0個開始...