个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
29
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章python实现最大子序和（分治+动态规划）由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和.
示例
输入: [-2,1,-3,4,-1,2,1,-5,4], 输出: 6 解释: 连续子数组 [4,-1,2,1] 的和最大，为 6.
进阶
如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解.
思路:
首先我们分析题目，我们思考，为什么最大和的连续子数组不包含其他的元素而是这几个呢？因为如果我们想在现有的基础上去扩展当前连续子数组，相邻的元素是一定要被加入的，而相邻元素中可能会减损当前的和.
思路一:
遍历法，On
算法过程：遍历数组，用onesum去维护当前元素加起来的和。当onesum出现小于0的情况时，我们把它设为0。然后每次都更新全局最大值.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
class
Solution:
def
maxSubArray(
self
, nums):
"""
:type nums: List[int]
:rtype: int
"""
#onesum维护当前的和
onesum
=
0
maxsum
=
nums[
0
]
for
i
in
range
(
len
(nums)):
onesum
+
=
nums[i]
maxsum
=
max
(maxsum, onesum)
#出现onesum<0的情况，就设为0，重新累积和
if
onesum <
0
:
onesum
=
0
return
maxsum
|
算法证明：一开始思考数组是个空的，把我们每次选一个nums[i]加入onesum看成当前数组新增了一个元素，也就是用动态的眼光去思考。过程很简单，代码很短，但为什么这样就能达到效果呢？我们进行的加和是按顺序来的，从数组第一个开始加.
当我们的i选出来后，加入onesum。这时有2种情况 。
1）假设我们这个onesum一直大于0，从未被<0过。那也就是说我们计算的每一次的onesum都大于0，而每一次计算的onesum都是包括开头元素的一段子序列（尾部一直随i变化）。看似我们没有考虑所有可能序列，但实际上所有可能的序列都已经被考虑过了。这里简单讲一下，待会po原文.
a)以当前子序列开头为开头，中间任一处结尾的序列。这种情况是一直在扫描的，也有一直保存更新，所以不用怕丢失信息.
b)以当前子序列结尾为结尾，中间任一处开头的序列。这种情况一定的和小于以当前子序列开头为开头，结尾为结尾的序列。因为前面缺失的那一段经过我们的前提，它也是加和大于0的.
c)以中间元素为开头和结尾的序列。和小于以当前子序列开头为开头，此分序列结尾为结尾的序列。因为前面缺失的那一段经过我们的前提，它也是加和大于0的.
2）出现小于0的情况，就说明我们当前形成的这个子序是第一次出现小于0的情况。现在至少我们要新形成的连续数组不能在整个的包括之前的连续子序了，因为我们在之前的那个连续子序里加出了<0的情况。但问题是我们需不需要保留一些呢？是不是所有以当前子序结尾为结尾的任意开头的子序都要被舍弃呢？答案是是的，因为那一段也一定小于0，因为那一段的加和会小于以当前子序开头为开头，当前子序结尾为结尾的序列（见前面证明）。于是抛弃掉它们，重新开始新的子序.
思路二:
动态规划 On 。
算法过程:
设sum[i]为以第i个元素结尾的最大的连续子数组的和。假设对于元素i，所有以它前面的元素结尾的子数组的长度都已经求得，那么以第i个元素结尾且和最大的连续子数组实际上，要么是以第i-1个元素结尾且和最大的连续子数组加上这个元素，要么是只包含第i个元素，即sum[i]= max(sum[i-1] + a[i], a[i])。可以通过判断sum[i-1] + a[i]是否大于a[i]来做选择，而这实际上等价于判断sum[i-1]是否大于0。由于每次运算只需要前一次的结果，因此并不需要像普通的动态规划那样保留之前所有的计算结果，只需要保留上一次的即可，因此算法的时间和空间复杂度都很小 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
class
Solution:
def
maxSubArray(
self
, nums):
"""
:type nums: List[int]
:rtype: int
"""
length
=
len
(nums)
for
i
in
range
(
1
,length):
#当前值的大小与前面的值之和比较，若当前值更大，则取当前值，舍弃前面的值之和
subMaxSum
=
max
(nums[i]
+
nums[i
-
1
],nums[i])
nums[i]
=
subMaxSum
#将当前和最大的赋给nums[i]，新的nums存储的为和值
return
max
(nums)
|
算法证明：这道题的代码我直接使用了题目数据中的nums数组，因为只要遍历一遍。nums[i]表示的是以当前这第i号元素结尾（看清了一定要包含当前的这个i）的话，最大的值无非就是看以i-1结尾的最大和的子序能不能加上我这个nums[i]，如果nums[i]>0的话，则加上。注意我代码中没有显式地去这样判断，不过我的Max表达的就是这个意思，然后我们把nums[i]确定下来.
思路三:
分治递归 。
算法过程:
分治法，最大子序和要么在左半部分，要么在右半部分，要么就横跨两部分（即包括左半部分的最后一个元素，和右半部分的第一个元素）。返回这三种情况的最大值即可。第三种情况，其中包括左半部分最后一个元素的情形，需要挨个往前遍历，更新最大值。包含右半部分的第一个元素的情况类似。总的时间复杂度O(nlogn) 。
|
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
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
|
class
Solution(
object
):
def
maxSubArray(
self
, nums):
#主函数
left
=
0
#左右边界
right
=
len
(nums)
-
1
#求最大和
maxSum
=
self
.divide(nums,left,right)
return
maxSum
def
divide(
self
,nums,left,right):
#如果只有一个元素就返回
if
left
=
=
right:
return
nums[left]
#确立中心点
center
=
(left
+
right)
/
/
2
#求子序在中心点左边的和
leftMaxSum
=
self
.divide(nums,left,center)
#求子序在中心点右边的和
rightMaxSum
=
self
.divide(nums,center
+
1
,right)
#求子序横跨2边的和，分成左边界和和右边界和
leftBorderSum
=
nums[center]
leftSum
=
nums[center]
for
i
in
range
(center
-
1
,left
-
1
,
-
1
):
leftSum
+
=
nums[i]
if
leftSum>leftBorderSum:
#不断更新左区块的最大值
leftBorderSum
=
leftSum
rightBorderSum
=
nums[center
+
1
]
rightSum
=
nums[center
+
1
]
for
i
in
range
(center
+
2
,right
+
1
):
rightSum
+
=
nums[i]
if
rightSum>rightBorderSum:
#不断更新右区块的最大值
rightBorderSum
=
rightSum
#左边界的和 + 右边那块的和
BorderSum
=
leftBorderSum
+
rightBorderSum
return
max
(leftMaxSum,rightMaxSum,BorderSum)
|
算法证明:
总的来说还是超级巧妙的。不断的切不断的切数组，把一块数组看成左中右三个部分。实际上这有点像枚举，但我们在枚举时利用了二分的思路，优化了很多。所以枚举当然可以达到我们的目标了，因为我们不断在计算以一定包括中间节点的子序的最大和.
总结:
今天写了很多很多，都没时间复习了。。。但是收获还是很大的。比如动态规划，不一定一定要建立数组然后返回数组的最后一项，动态规划其实是很灵活的。但是动态规划的每一项代表的意义要想好.
分治递归，实际在帮我们算所有数组只不过用了二分的思路优化.
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.
原文链接：https://blog.csdn.net/weixin_41958153/article/details/81131379 。
最后此篇关于python实现最大子序和（分治+动态规划）的文章就讲到这里了,如果你想了解更多关于python实现最大子序和（分治+动态规划）的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
29
4
0
背景: 我最近一直在使用 JPA，我为相当大的关系数据库项目生成持久层的轻松程度给我留下了深刻的印象。 我们公司使用大量非 SQL 数据库，特别是面向列的数据库。我对可能对这些数据库使用 JPA 有一
我已经在我的 maven pom 中添加了这些构建配置，因为我希望将 Apache Solr 依赖项与 Jar 捆绑在一起。否则我得到了 SolarServerException: ClassNotF
interface ITurtle { void Fight(); void EatPizza(); } interface ILeonardo : ITurtle {
我希望可用于 Java 的对象/关系映射 (ORM) 工具之一能够满足这些要求: 使用 JPA 或 native SQL 查询获取大量行并将其作为实体对象返回。 允许在行(实体)中进行迭代，并在对当前
好像没有，因为我有实现From for 的代码, 我可以转换 A到 B与 .into() , 但同样的事情不适用于 Vec .into()一个Vec . 要么我搞砸了阻止实现派生的事情，要么这不应该发
在 C# 中，如果 A 实现 IX 并且 B 继承自 A ，是否必然遵循 B 实现 IX？如果是，是因为 LSP 吗？之间有什么区别吗: 1. Interface IX; Class A : IX;
就目前而言，这个问题不适合我们的问答形式。我们希望答案得到事实、引用资料或专业知识的支持，但这个问题可能会引发辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开，visit the
我正在阅读标准haskell库的(^)的实现代码: (^) :: (Num a, Integral b) => a -> b -> a x0 ^ y0 | y0 a -> b ->a expo x0
我将把国际象棋游戏表示为 C++ 结构。我认为，最好的选择是树结构(因为在每个深度我们都有几个可能的移动)。 这是一个好的方法吗？ struct TreeElement{ SomeMoveType
我正在为用户名数据库实现字符串匹配算法。我的方法采用现有的用户名数据库和用户想要的新用户名，然后检查用户名是否已被占用。如果采用该方法，则该方法应该返回带有数据库中未采用的数字的用户名。 例子: “贾
我正在尝试实现 Breadth-first search algorithm , 为了找到两个顶点之间的最短距离。我开发了一个 Queue 对象来保存和检索对象，并且我有一个二维数组来保存两个给定顶点
我目前正在 ika 中开发我的 Python 游戏，它使用 python 2.5 我决定为 AI 使用 A* 寻路。然而，我发现它对我的需要来说太慢了(3-4 个敌人可能会落后于游戏，但我想供应 4-
我正在寻找 Kademlia 的开源实现C/C++ 中的分布式哈希表。它必须是轻量级和跨平台的(win/linux/mac)。 它必须能够将信息发布到 DHT 并检索它。 最佳答案 OpenDHT是
我在一本书中读到这一行:-“当我们要求 C++ 实现运行程序时，它会通过调用此函数来实现。” 而且我想知道“C++ 实现”是什么意思或具体是什么。帮忙!？ 最佳答案 “C++ 实现”是指编译器加上链接
我正在尝试使用分支定界的 C++ 实现这个背包问题。此网站上有一个 Java 版本:Implementing branch and bound for knapsack 我试图让我的 C++ 版本打印
在很多情况下，我需要在 C# 中访问合适的哈希算法，从重写 GetHashCode 到对数据执行快速比较/查找。 我发现 FNV 哈希是一种非常简单/好/快速的哈希算法。但是，我从未见过 C# 实现的
目录 LRU缓存替换策略 核心思想 不适用场景 算法基本实现 算法优化
1. 绪论 在前面文章中提到 空间直角坐标系相互转换 ，测绘坐标转换时，一般涉及到的情况是：两个直角坐标系的小角度转换。这个就是我们经常在测绘数据处理中，WGS-84坐标系、54北京坐标系
在软件开发过程中，有时候我们需要定时地检查数据库中的数据，并在发现新增数据时触发一个动作。为了实现这个需求，我们在 .Net 7 下进行一次简单的演示. PeriodicTimer .
二分查找 二分查找算法，说白了就是在有序的数组里面给予一个存在数组里面的值key，然后将其先和数组中间的比较，如果key大于中间值，进行下一次mid后面的比较，直到找到相等的，就可以得到它的位置。
我是一名优秀的程序员,十分优秀！