拋出問題:
求一數組如 l = [0, 1, 2, 3, -4, 5, -6],求該數組的最大連續子數組的和 如結果為[0,1,2,3,-4,5] 的和為7
問題分析:
這個問題很簡單,直接暴力法,上代碼。
# -*- coding:utf-8 -*- # 日期:2018/6/9 7:46 # Author:小鼠標 # 最大連續子數組的和 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:
關鍵是暴力法的時間復雜度太高,所以就在原有的基礎上做了進一步的提升--分治法。
所謂分治法就是將原有的列表一分為二,那么最大的子列表只有三種情況:
1、最大子列表完全在左邊
2、最大子列表完全在右邊
3、最大子列表跨立在中間
所以我們分情況討論,求出答案。這種方法一定程度的降低了時間復雜度,從之前的n^2降到了(n/2)^2 + 2n
# -*- coding:utf-8 -*- # 日期:2018/6/9 7:46 # Author:小鼠標 # 最大連續子數組的和 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 想左掃 向右掃,求出兩邊的最大值 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) #跨立在中間 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)
動態規划:
即便是分治法,時間復雜度還是太高,不滿足生產的需求,所以如果說只求最大子序列的和的值而不去追求最大子序列本身,我們又引出一個方法--動態規划
這種方法的時間復雜是是線性的,極大的降低了。
# -*- coding:utf-8 -*- # 日期:2018/6/9 8:38 # Author:小鼠標 def function(lists): max_sum = lists[0] pre_sum = 0 for i in lists: # 因為最大子列表一定是從一個非0的數開始的(假定列表中有正數有負數) # 所以就可以暫時篩選調小於0的數,即便列表全是負數,那么最大的子列表肯定是負數最大的一個 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))