标签:小于 动态 上机 子段 复杂度 问题 算法 实验报告 sum
1. 实践报告任选一题进行分析。内容包括:
问题描述
题目:
求最大子段和
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。
算法描述
设一个数组a[ ],用于存放n个数,定义一个整型sum存放最大和,定义一个整型b用于计算最大子段和。
用for语句访问数组,当b<0时,可将它直接赋值为a[i];
当b>0时,如果加上a[i]后小于0,就赋值a[i],大于零就和sun比较,如果比较后sum<b,就另sum=b,否则不变。
时间,空间复杂度
只需要循环n次,时间复杂度为O(n), 空间复杂度也一样。
心得与体会:
与组员一起讨论之后的结果如下:因为当总和小于0时,最后返回的结果都为0,所以当b已经小于0时可直接将a[i]的值赋给b,先前的数组成员最大子段和都小于0可不用管了。
2. 你对动态规划算法的理解和体会
动态规划就是把一个大问题一步步降解成越来越小的子问题,直到子问题小到可以用确定的条件来解答。但是动态规划的本质不是递归,递归是完全自顶而下的,每次求解都需要重新计算所有的子问题。我觉得反映动态规划本质的解法是自底而上的解法,即按照顺序,从基元问题一步步扩大问题的规模,直到问题的规模覆盖了我要求解的问题。每一个规模的问题的解叫做一个状态,每个不同规模的问题的解的关系叫做状态转移方程。
标签:小于,动态,上机,子段,复杂度,问题,算法,实验报告,sum 来源: https://www.cnblogs.com/guanguanvv/p/15491667.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。