抛出问题:
求一数组如 l = [0, 1, 2, 3, -4, 5, -6],求该数组的最大连续子数组的和 如结果为[0,1,2,3,-4,5] 的和为7
问题分析:
这个问题很简单,直接暴力法,上代码。
# -*- coding:utf-8 -*- # 日期:2018/6/9 7:46 # Author:小鼠标 # 最大连续子数组的和 l = [0, 1, 2, 3, -4, 5, -6] # 暴力求解 def violence(l = []): maxVal = 0 x,y=0,0 for i in range(0,len(l)+1): for j in range(0,len(l)+1): res = sum(l[i:j]) if res > maxVal: maxVal = res x = i y = j return maxVal,x,y maxVal, x, y = violence(l) print(maxVal,(x,y))
分治法:
关键是暴力法的时间复杂度太高,所以就在原有的基础上做了进一步的提升--分治法。
所谓分治法就是将原有的列表一分为二,那么最大的子列表只有三种情况:
1、最大子列表完全在左边
2、最大子列表完全在右边
3、最大子列表跨立在中间
所以我们分情况讨论,求出答案。这种方法一定程度的降低了时间复杂度,从之前的n^2降到了(n/2)^2 + 2n
# -*- coding:utf-8 -*- # 日期:2018/6/9 7:46 # Author:小鼠标 # 最大连续子数组的和 l = [0, 1, 2, 3, -4, 5, -6] #暴力求解 def violence(l = []): maxVal = 0 x,y=0,0 for i in range(0,len(l)+1): for j in range(0,len(l)+1): res = sum(l[i:j]) if res > maxVal: maxVal = res x = i y = j return maxVal,x,y #分治法 想左扫 向右扫,求出两边的最大值 def left_or_right(l): maxVal = 0 term = 0 for i in l: term += i if maxVal < term: maxVal = term return maxVal def Separate(): middle = int(len(l)/2) l1 = l[0:middle] l2 = l[middle:len(l)] #左半部分 maxVal1,x1,y1 = violence(l1) #右半部分 maxVal2,x2,y2 = violence(l2) #跨立在中间 max_right = left_or_right(l2) max_left = left_or_right(l1[::-1]) maxVal3 = max_right + max_left return max(maxVal1,maxVal2,maxVal3) val = Separate() print(val)
动态规划:
即便是分治法,时间复杂度还是太高,不满足生产的需求,所以如果说只求最大子序列的和的值而不去追求最大子序列本身,我们又引出一个方法--动态规划
这种方法的时间复杂是是线性的,极大的降低了。
# -*- coding:utf-8 -*- # 日期:2018/6/9 8:38 # Author:小鼠标 def function(lists): max_sum = lists[0] pre_sum = 0 for i in lists: # 因为最大子列表一定是从一个非0的数开始的(假定列表中有正数有负数) # 所以就可以暂时筛选调小于0的数,即便列表全是负数,那么最大的子列表肯定是负数最大的一个 if pre_sum < 0: pre_sum = i else: pre_sum += i if pre_sum > max_sum: max_sum = pre_sum return max_sum lists = [0, 1, 2, 3, -4, 5, -6] print(function(lists))