经典算法——子矩阵的最大累加和问题

一、题目要求

给定一个矩阵matrix,其中的值有正有负,有0,返回子矩阵的最大累加和,例如,矩阵matrix为:

-90 48 78

64 -40 64

-81 07 66


其中,最大累加和的子矩阵为:

48 78

-40 64

-7 66

所以返回累加和209


二、解题思路

将矩阵matrix[N][N]的每一列的N个元素累加成一个累加数组,然后求出这个数组的最大累加和,这个最大累加和就是所求子矩阵的最大累加和



测试程序:

#include<iostream>
#include<algorithm>
#include<vector>
#include<string>
using namespace std;

int max(int x, int y)
{
	return (x > y) ? x : y;
}

//子矩阵的最大累加和问题:
//题目要求:给定一个矩阵matrix,其中的值有正有负,有0,返回子矩阵的最大累加和
//解题思路:
//将矩阵matrix[N][N]的每一列的N个元素累加成一个累加数组,然后求出这个数组的最大累加和,这个最大累加和就是所求子矩阵的最大累加和
int maxSum(vector<vector<int>>& matrix)
{
	int maxres = 0;
	int cur = 0;
	int* s = new int[matrix[0].size()]; //累加数组

	for (int i = 0; i != matrix.size(); ++i)
	{
		for (int i = 0; i < matrix[0].size(); ++i) //注意:对每行进行累加前,要将累加数组s清零
			s[i] = 0;

		for (int j = i; j != matrix.size(); ++j)
		{
			cur = 0;
			for (int k = 0; k != matrix[0].size(); ++k)
			{
				s[k] += matrix[j][k];
				cur += s[k];
				maxres = max(maxres, cur);
				cur = cur < 0 ? 0 : cur;
			}
		}
	}
	delete[] s;
	return maxres;
}

int main()
{
	vector<vector<int>> matrix;
	vector<int> temp;
	string str;
	int t;
	int row = 3;
	while (row--)
	{
		temp.clear();
		{
			for (int i = 0; i < 3; ++i)
			{
				cin >> t;
				temp.push_back(t);
			}
			matrix.push_back(temp);
		}
	}

	int res = maxSum(matrix);
	cout << res << endl;
	system("pause");
	return 0;
}

 


### C++ 实现最大子矩阵问题 对于求解最大子矩阵问题,在C++中的实现可以基于动态规划的思想来完成。通过遍历每一行作为起始行,再逐层累加到结束行,并利用一维的最大子数组和算法计算当前累积矩阵的最大子矩阵和。 #### 动态规划方法概述 为了找到二维矩阵内的最大子矩阵,一种有效的方法是从上至下选取不同的起点行,逐步向下扩展终点行直到最后一行为止。每次当新的终点加入时,更新每列上的累计值形成新的一维数组;接着应用Kadane's Algorithm寻找这一新形成的单维度向量里的连续子串最高总合,从而得到以该终点行为底边的最大矩形面积[^2]。 以下是具体的C++代码实现: ```cpp #include <vector> #include <climits> using namespace std; // 计算一维数组的最大子数组和(Kadane’s algorithm) int kadanesAlgorithm(const vector<int>& nums) { int currentMax = 0; int globalMax = INT_MIN; for (size_t i = 0; i < nums.size(); ++i) { currentMax += nums[i]; if (globalMax < currentMax) globalMax = currentMax; if (currentMax < 0) currentMax = 0; } return globalMax; } // 寻找二维矩阵中具有最大和的子矩阵 int findMaxSubMatrixSum(vector<vector<int>>& matrix) { const size_t rows = matrix.size(); const size_t cols = !rows ? 0 : matrix[0].size(); int maxSum = INT_MIN; vector<int> temp(cols); // 遍历每一个可能的高度范围[startRow, endRow] for (size_t startRow = 0; startRow < rows; ++startRow) { fill(temp.begin(), temp.end(), 0); // 清零临时存储 for (size_t endRow = startRow; endRow < rows; ++endRow) { // 更新temp[]为从第startRow行到第endRow行之间的各列之和 for (size_t colIndex = 0; colIndex < cols; ++colIndex) temp[colIndex] += matrix[endRow][colIndex]; // 使用kadanesAlgorithm函数获取此高度范围内的一维最大子数组和 maxSum = max(maxSum, kadanesAlgorithm(temp)); } } return maxSum; } ``` 这段程序首先定义了一个辅助函数`kadanesAlgorithm()`用于执行经典的卡丹算法(Kadane's Algorithm),它能够快速找出任意长度的一维整型数组里拥有最大和的连续子序列。主逻辑部分则由`findMaxSubMatrixSum()`负责处理整个过程——即枚举所有潜在的高度区间并调用上述提到的帮助器来进行最终的结果判定。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值