算法实践报告第三章
1.实践题目名称
7-1 最大子段和
2.问题描述
给定n个整数(可能为负数)组成的序列a[1],a[2],a[3],…,a[n],求该序列如a[i]+a[i+1]+…+a[j]的子段和的最大值。当所给的整数均为负数时,定义子段和为0。
要求算法的时间复杂度为O(n)。
#include <iostream> using namespace std; int Maxsum(int n, int *a){ int sum = 0, b=0; for(int i=1; i<n; i++){ if(b>0) b += a[i]; else b = a[i]; if(b>sum) sum = b; } return sum; } int main(){ int n; cin>>n; int a[n]; for(int i=0; i<n; i++){ cin>>a[i]; } int m = Maxsum(n, a); cout<<m; return 0; }
因为当所给的整数均为负数时,定义子段和为0,所以需要先判断所给的整数的正负情况。
一开始 b=0不符合b>0的条件,所以b = a[1] = -2,而-2只会使字段和更小,因此sum不能更新。
当i=2时,b=-2<0,所以b = a[1] =11, 而11>0,所以sum更新为11。
接下来的判断方式相同……
4.算法时间及空间复杂度分析
时间复杂度:因为循环了n次,所以时间复杂度为O(n)。
空间复杂度:因为没有其他的数组,所以空间复杂度为O(n)。
5.心得体会
对动态规划掌握不熟练,虽然能够理解代码含义,但是对动态规划递归式的掌握并不好,不能很清晰地解释动态规划的表达式含义及作用。可能需要多花些时间来慢慢理解动态规划。
6.动态规划的个人体会和思考
动态规划的需要在思考时思路清晰,逻辑畅通,不然可能会被绕进去。动态规划问题中前后链接紧密,需要找到其中的共同点并写出动态规划递归式来帮助解答问题。不同的构造方法也会导致空间或时间复杂度的不同。
posted on 2021-10-26 19:13 Russell_0221 阅读(29) 评论(0) 编辑 收藏 举报