`
niyayu
  • 浏览: 34139 次
最近访客 更多访客>>
社区版块
存档分类
最新评论

最大子段和问题(分治)(##)

 
阅读更多
#include<stdio.h>

#define MAX 100001

struct str
{
int nFrom;
int nTo;
int nSum;
};

str getMax(int nData[],int n);
void vPutOut(str A);
str get3Parts(int nData[],int left,int right);
str getMid(int nData[],int left,int mid,int right);

int main()
{
int nData[MAX];
int i,n;
str A;

scanf("%d",&n);
for(i=1;i<=n;i++)
{
scanf("%d",&nData[i]);
}
A=getMax(nData,n);
vPutOut(A);

return 0;
}

str getMax(int nData[],int n)
{
str B;
B=get3Parts(nData,1,n);
return B;
}

void vPutOut(str A)
{
printf("FROM=%d,TO=%d\n",A.nFrom,A.nTo);
printf("SUM=%d\n",A.nSum);
}

str get3Parts(int nData[],int left,int right)
{
str B;
str Bleft,Bright,Bmid;

int from,to,mid;
int nSum,leftSum,rigthSum,midSum;

nSum=0;
left=0;
right=0;

if(left==right)
{
if(nData[left]>0)
{
from=left;
to=left;
nSum=nData[left];
}
}
else
{
mid=(left+right)/2;
Bleft=get3Parts(nData,left,mid);
leftSum=Bleft.nSum;
Bright=get3Parts(nData,mid+1,right);
rigthSum=Bright.nSum;
Bmid=getMid(nData,left,mid,right);
midSum=Bmid.nSum;


if((leftSum>rigthSum)&&(leftSum>midSum))
{
nSum=leftSum;
from=Bleft.nFrom;
to=Bleft.nTo;
}
else
{
if(rigthSum>midSum)
{
nSum=rigthSum;
from=Bright.nFrom;
to=Bright.nTo;
}
else
{
nSum=midSum;
from=Bmid.nFrom;
to=Bmid.nTo;
}
}
}
B.nSum=nSum;
B.nFrom=from;
B.nTo=to;

return B;
}

str getMid(int nData[],int left,int mid,int right)
{
str B;
int from,to;
int nSum,s1,s2;
int i;

from=mid;
to=mid;
nSum=0;
s1=0;

for(i=mid;i<=left;i--)
{
nSum+=nData[i];

if(nSum>s1)
{
s1=nSum;
from=i;
}
}

nSum=0;
s2=0;

for(i=mid;i<=right;i++)
{
nSum+=nData[i];

if(nSum>s2)
{
s2=nSum;
to=i;
}
}

nSum=s1+s2;
B.nFrom=from;
B.nTo=to;
B.nSum=nSum;

return B;
}









分享到:
评论

相关推荐

    最大子段和(分治法)源码

    5. 代码实现:本资源提供了一个使用 C++ 语言实现的最大子段和算法的源码,使用了递归算法和分治法来解决最大子段和问题。 6. 算法设计思想:本资源展示了如何使用递归算法和分治法来解决最大子段和问题,展示了...

    算法分析与设计.最近对问题.最大子段和(分治法最大子段和(动态规划)

    算法分析与设计最近对问题最大子段和(分治法最大子段和动态规划) 最近对问题最大子段和(分治法)是算法设计与分析中一个重要的知识点,它是指在一组点集中找到最近对点的距离。该问题可以通过分治法和动态规划来...

    最大子段和-分治法

    通过上述分析,我们可以看到分治法是一种非常有效的解决最大子段和问题的方法。它不仅简洁明了,而且效率高,特别是在处理大规模数据时优势更为明显。理解分治法的基本思想及其在具体问题中的应用对于提升编程能力至...

    分治法求最大子段和的问题

    1.用分治算法求解最大子段和问题。要求算法的时间复杂度不超过O(nlogn)。 最大子段和问题描述:给定由n个整数(可能为负整数)组成的序列a1, a2,…, an, 求该序列形如的子段和的最大值。当所有整数均为负整数时...

    最大子段和的分治法源程序和PPT

    在最大子段和问题中,分治算法利用这个策略将问题分解为两部分,分别求解这两个子数组的最大子段和,然后结合跨越中点的子段和来得到整个数组的最大子段和。 根据题目描述,我们知道这个资源包含一个C语言的源程序...

    最大子段和问题 蛮力法 分治法 动态规划法

    最大子段和问题是一个经典的计算机科学中的算法问题,它的目标是找到一个整数数组中连续子数组的最大和。这个问题在很多实际应用中都有所体现,比如在数据分析、股票投资策略等领域。下面我们将深入探讨解决这一问题...

    算法设计实验报告-求最大子段和问题

    算法设计实验报告,包括:蛮力法、分治法和减治法求最大子段和问题各自的基本思想、时间复杂度分析,C++实现代码,三种算法运行时间的比较,运行截图,实验心得。

    算法设计 C 最大子段和 动态规划法和分治法

    本文将深入探讨如何使用C语言实现最大子段和问题,以及如何运用动态规划法和分治法这两种高效策略来解决这一问题。 最大子段和(Maximum Subarray Problem)是计算数组中连续子数组的最大和的经典问题。在实际应用...

    python求最大子段和(动态规划法)

    【问题描述】使用分治递归算法解最大子段和问题,具体来说就是,将序列分为长度相等的左右两段,分别求出这两段的最大子段和,包含左右部分子段的最大子段和,求这三种情况得到的最大子段和的最大值。 【输入形式】...

    最大子段和

    解决最大子段和问题有多种方法,包括蛮力法、分治法以及动态规划法。 #### 二、算法描述与分析 ##### 蛮力法 **定义:** 蛮力法是一种最直观的解决方法,其基本思路是对数组中的每个子段进行求和,并记录下最大的...

    最大子段和java实现

    然而,分治法在处理最大子段和问题时效率较低,因为它需要多次计算子数组的最大和,导致了大量的重复工作。因此,在实际应用中,我们通常优先选择动态规划来解决这个问题。 以下是基于分治法的一个Java实现,但请...

    蛮力法、分治法和动态规划法设计最大子段和问题的算法

    蛮力法、分治法和动态规划法设计最大子段和问题的算法,一、试分别利用蛮力法、分治法和动态规划法求解最大子段和问题,要求写出C/C++程序实现和算法的效率分析。程序运行结果要同时给出最大子段和的值以及由哪个子段...

    设计算法解决最大子段和或棋盘覆盖问题

    在最大子段和问题中,虽然Kadane's Algorithm没有直接使用分治法,但可以通过稍加修改实现分治版本。例如,我们可以将序列分为两半,分别找到左半部分和右半部分的最大子段和,然后考虑跨越分割点的子段。这需要在...

    最大子段和问题

    用蛮力法,分治法,动态规划法求最大子段和问题

    最大子段和问题程序源码

    最大子段和问题,是计算机科学中一个经典的线性时间复杂度的算法问题,它涉及到数组处理和动态规划。在给定的数组中,我们寻找一个连续子序列(子数组),使得这个子序列中的所有元素相加得到的和最大。这个问题在...

    最大子段和/三种方法/c++

    虽然分治法通常不直接用于解决最大子段和问题,但在某些特定情况下,如处理二维数组时,可以结合分治策略优化问题。在一维数组上,分治法的优势并不明显,因为其时间复杂度仍为O(n^2),与蛮力法相当。然而,理解分治...

    B_(HDU_1231)(最大子段和,分治).cpp

    B_(HDU_1231)(最大子段和,分治).cpp

    算法最大子段和问题

    算法最大子段和问题,蛮力法,分治法,动态规划法

Global site tag (gtag.js) - Google Analytics