算法第三章上机实践报告

2021-10-23 15:03:51 阅读：130 来源： 互联网

7-1 最大子段和

1.1 问题描述

1.2 算法描述

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;
}

1.3 问题求解

在对于上述分治算法的分析中我们注意到，若记b[j]=max(a[i]+a[i+1]+..+a[j]),其中1<=i<=j,并且1<=j<=n。则所求的最大子段和为max b[j]，1<=j<=n。
由b[j]的定义可易知，当b[j-1]>0时b[j]=b[j-1]+a[j]，否则b[j]=a[j]。故b[j]的动态规划递归式为: b[j]=max(b[j-1]+a[j],a[j])，1<=j<=n。

1.1.1 根据最优子结构性质，列出递归方程式

故b[j]的动态规划递归式为: b[j]=max(b[j-1]+a[j],a[j])，1<=j<=n

1.1.2 给出填表法中表的维度，填表范围和填表顺序

表的维度：一维

填表范围：由递归方程 b[ j ] = max { b[ j-1] + a[ j ] , a[ j ] }，可得填表范围[1,n]

填表顺序：自底向上、从后往前

1.1.3 分析该算法的时间和空间复杂度

时间复杂度分析：
因为该算法只循环了一次数组，并且数组长度为n，所以时间复杂度为O（n）。

空间复杂度分析：

因为是数组a[n]，因此空间复杂度为 O（n）。

1.3 心得体会（对本次实践收获及疑惑进行总结）

为了更好的理解，可以用数组来记录当前最大子段和，但其实也可以直接用一个整型变量来记录就可以了，能更节省空间。

2.我对动态规划算法的理解和体会

能采用动态规划求解的问题的一般要具有3个性质：

(1) 最优化原理：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构，即满足最优化原理。

(2) 无后效性：即某阶段状态一旦确定，就不受这个状态以后决策的影响。也就是说，某状态以后的过程不会影响以前的状态，只与当前状态有关。

（3）有重叠子问题：即子问题之间是不独立的，一个子问题在下一阶段决策中可能被多次使用到。（该性质并不是动态规划适用的必要条件，但是如果没有这条性质，动态规划算法同其他算法相比就不具备优势）

与分治法最大的差别是：适合于用动态规划法求解的问题，经分解后得到的子问题往往不是互相独立的（即下一个子阶段的求解是建立在上一个子阶段的解的基础上，进行进一步的求解）。

标签：第三章,1.1,上机,int,复杂度,填表,算法,sum
来源： https://www.cnblogs.com/LHY-Distance/p/15443176.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

算法第三章上机实践报告