从连续最大和到最优子矩阵Word文档格式.docx
《从连续最大和到最优子矩阵Word文档格式.docx》由会员分享,可在线阅读,更多相关《从连续最大和到最优子矩阵Word文档格式.docx(12页珍藏版)》请在冰豆网上搜索。
由于是连续,初学者往往想到的是枚举,然而枚举的时间复杂度是难以接受的。
顾思考更高效的算法——动态规划。
仔细思考题目后,符合动态规划条件。
用ans[i]表示包含数列第i项的前i个元素的最大和,数组no存放数列元素,则状态转移方程为:
ans[0]=0;
ans[i]=max{ans[i-1]+no[i],no[i]}时间复杂度为O(n)
核心程序代码:
best:
=-maxlongint;
temp:
=0;
fori:
=1tondo
begin
inc(temp,no[i]);
iftemp>
bestthenbest:
=temp;
iftemp<
0thentemp:
end;
注意:
红色循环体部分的顺序万万不可颠倒!
[问题拓展]:
在一个长度为n的数列{An}中,求m个连续子序列,使得这m个连续子序列的和最大,且m个子序列无公共元素。
解决类似的问题,我们可以利用“加一维”的思想利用动态规划来解决。
用ans[i,j]表示数列前j个元素中,i个无公共元素的子序列的最大和,且必须包含第j个元素,数组no存放数列元素,则状态转移方程为:
ans[i,j]=max{ans[i,j-1]+no[j],ans[i-1,k]+no[j]}(i-1<
=k<
=j-1)时间复杂度为O(n^3)
何训程序代码:
fori:
=1tomdo
forj:
=itondo
begin
ans[i,j]:
=ans[i,j-1]+no[j];
fork:
=i-1toj-1doifans[i-1,k]+no[j]>
ans[i,j]thenans[i,j]:
=ans[i-1,k]+no[j];
end;
=1tondoifans[m,i]>
=ans[m,i];
红色部分为确定最大值的过程!
因为ans[i,j]表示数列前j个元素中,i个无公共元素的子序列的最大和,且最大和不一定非要取完所有的元素,所以用一个循环来检测所有m的连续子序列的元素最大和,以确定全局最优值!
二、最优子矩阵
有了前面的铺垫,我们就可以导论最优子矩阵的问题了,换句话说,最优子矩阵是建立在数列连续最大和的基础上的。
所谓最优子矩阵,就是指在一个n*m二维的矩阵中,确定一个小的矩阵,使这个小矩阵中所有元素的和最大。
思考一下最优子矩阵和连续最大和的异同:
1、所求的和都具有连续性;
2、连续最大和是一维问题,最优子矩阵是二维问题
另外,对于一个矩阵而言,如果我们将连续k行的元素纵向相加,并对相加后所得的数列求连续最大和,则此连续最大和就是一个行数为k的最优子矩阵!
由此,我们可以将二维的矩阵压缩成一维矩阵,转换为线性问题,从而求解。
故问题的关键在于如何用高效的压缩方式存储、读取矩阵。
下面具一个简单的例子。
在一个一维的数列中,要想求从第i个元素到第j个元素的和,我们可以用这样的方法:
设数组sum[i]表示从第1个到第i个元素的和,则:
求从第i个元素到第j个元素的和,只需用sum[j]-sum[i]就足够了。
由此推广到二维矩阵,设sum[i,j]表示矩阵第j列前i个元素的和,cost[i,j]表示原始数据,则:
压缩数据程序代码为:
forj:
sum[i,j]:
=sum[i-1,j]+cost[i,j];
下一个问题是,如何将数据从压缩的数组中读出。
下面,我们来分析、推导一下:
假设n=3的情况,不同的组合情况和数据处理方法如下表:
(1<
=m)
不同的行组合
数据处理方法
第一行
sum[1,j]
第二行
sum[2,j]-sum[1,j]
第三行
sum[3,j]-sum[2,j]
第一、二行
sum[2,j]
第二、三行
sum[3,j]-sum[1,j]
第一、二、三行
sum[3,j]
我们将数据处理方法简写、并加以整理可得:
3-2,3-1,3-0
2-1,2-0,
1-0
不失一般性,可设两个循环变量,外层(i)从n到1,内层(j)从i-1到0。
设数组temp用来存储临时的数列,则:
读取数据代码为:
=ndownto1do
=i-1downto0do
fork:
=1tomdotemp[k]:
=sum[i,k]-sum[j,k];
到此,最大子矩阵问题就完全转换为连续最大和问题。
在一个n*m二维的矩阵中,确定两个小的矩阵,使这两个小矩阵中所有元素的总和最大,且两个矩阵无公共元素。
既然是拓展,就与原问题有内在的联系,怎样的联系呢?
我们先来看一下两个小矩阵的位置关系:
图暂略
图中给出了三种,其实,第二种和第三种可以算为一种,所有的情况无非这两种而已。
对于第一种情况,可以枚举分割线(图中横线)的坐标,设其坐标为x,x从2到n逐个枚举,则可求出1到x-1行的左右自矩阵、从x到n行的最优子矩阵,二者的和如果大于当前最优值则更新。
对于第二种情况,只需将原始矩阵的行、列交换,然后重复第一种情况的步骤即可。
大的框架有了,然而细节决定成败,压缩方式不变,关键还在于数据的读取!
然而通过原问题的分析方式,我们可以和轻松的推导出数据的读取方法(具体方式请读者思考),即:
1、外层(i)从x-1到1,内层(j)从i-1到0;
2、外层(i)从n到x,内层(j)从i-1到x-1;
最后,求同存异。
附:
论文中涉及的所有题目的标程。
(在FreePascal1.98下调试通过)
programt1(input,output);
{连续最大和}
var
no:
array[1..1000]oflongint;
n,best:
longint;
{====================================}
procedureinit;
i:
assign(input,'
t1.in'
);
assign(output,'
t1.out'
reset(input);
rewrite(output);
readln(n);
=1tondoread(no[i]);
close(input);
proceduresolve;
i,temp:
writeln(best);
close(output);
init;
solve;
end.
programt2(input,output);
{k个连续最大和}
n,m,best:
ans:
array[0..200,0..1000]oflongint;
t2.in'
t2.out'
readln(n,m);
i,j,k:
=i-1toj-1do
ifans[i-1,k]+no[j]>
programt3(input,output);
{最优子矩阵}
cost,sum:
array[0..200,0..200]oflongint;
array[0..200]oflongint;
n,m:
i,j:
t3.in'
t3.out'
fillchar(cost,sizeof(cost),0);
fillchar(sum,sizeof(sum),0);
=1tomdoread(cost[i,j]);
readln;
i,j,k,best,ans,tot:
tot:
ans:
best:
inc(best,temp[k]);
ifbest>
ansthenans:
=best;
ifbest<
0thenbest:
ifans>
totthentot:
=ans;
writeln(tot);
programt4(input,output);
{2个最优子矩阵}
n,m,tot:
i,j,k,x,best1,best2,ans1,ans2:
forx:
=2tondo
ans1:
=x-1downto1do
best1:
inc(best1,temp[k]);
ifbest1>
ans1thenans1:
=best1;
ifbest1<
0thenbest1:
ans2:
=ndowntoxdo
=i-1downtox-1do
best2:
inc(best2,temp[k]);
ifbest2>
ans2thenans2:
=best2;
ifbest2<
0thenbest2:
ifans1+ans2>
=ans1+ans2;
i,j,swap:
take:
t4.in'
t4.out'
swap:
=m;
m:
=n;
n:
=swap;
take[i,j]:
=cost[j,i];
=sum[i-1,j]+take[i,j];