二维子数组之和的最大值

最新推荐文章于 2019-03-17 10:37:00 发布

烟蓑雨笠

最新推荐文章于 2019-03-17 10:37:00 发布

阅读量1.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：编程之美文章标签：编程之美子数组和

本文链接：https://blog.csdn.net/cstopcoder/article/details/25001761

编程之美专栏收录该内容

12 篇文章

订阅专栏

本文探讨了二维数组中子矩阵和的最大值问题，介绍了两种解法：直接枚举矩形区域并求和，以及利用部分和预处理优化时间复杂度至O(N*M*min(N,M))。通过部分和的预处理，可以在O(1)时间内计算出任意矩阵区域的元素之和。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

二维子数组之和的最大值

我们在前面分析了一维数组的子数组之和最大值的问题(详情请见博客：子数组之和的最大值),以及它的一些扩展问题(详情请见博客:最大子数组和的扩展问题),那么如果是二维数组又该如何求呢？？？

解法一：

最直接的方法当然是直接枚举每一个矩形区域，然后再求这个矩形区域中元素的和。

#include<cstdio>
#include<cstdlib>
#define MAX 1005
#define INF 0x0FFFFFFF

using namespace std;

int matrix[MAX][MAX];
int PS[MAX][MAX];

void GetPartSum(int n,int m,int PS[MAX][MAX])
{
	int i,j;
	for(i=0;i<=n;i++)
		PS[i][0]=0;
	for(j=0;j<=m;j++)
		PS[0][j]=0;
	for(i=1;i<=n;i++)
		for(j=1;j<=m;j++)
			PS[i][j]=PS[i-1][j]+PS[i][j-1]-PS[i-1][j-1]+matrix[i][j];
}

int GetSubSum(int i_min,int i_max,int j_min,int j_max)
{
	int sum=PS[i_max][j_max]-PS[i_min-1][j_max]
				-PS[i_max][j_min-1]+PS[i_min-1][j_min-1];
	return sum;
}

int MaxSum(int n,int m)
{
	int i_min,i_max;
	int j_min,j_max;
	int maxsum=-INF;
	GetPartSum(n,m,PS);
	for(i_min=1;i_min<=n;i_min++)
	{
		for(i_max=1;i_max<=n;i_max++)
		{
			for(j_min=1;j_min<=m;j_min++)
			{
				for(j_max=1;j_max<=m;j_max++)
				{
					int sum=GetSubSum(i_min,i_max,j_min,j_max);
					if(sum>maxsum)
						maxsum=sum;
				}
			}
		}
	}
	return maxsum;
}

int main(int argc,char *argv[])
{
	int n,m;
	int i,j;
	while(scanf("%d%d",&n,&m)!=EOF)
	{
		for(i=1;i<=n;i++)
			for(j=1;j<=m;j++)
				scanf("%d",&matrix[i][j]);
		int ans=MaxSum(n,m);
		printf("%d\n",ans);
	}

	return 0;
}

采用这种方法的时间复杂度为O(N^2*M^2);其实我们在这里是做了一些预处理的，考虑到区域的和需要频繁的计算，我们进行一遍预处理，并把计算结果保存下来，以达到空间换时间的目的。即通过部分和的O(N*M)的预处理，可以在O(1)的时间内计算出任意区域的和；

在二维情况下，定义“部分和”P[i][j]等于以（1,1），（i,1），（1,j），（i,j）为顶点的矩形区域的元素之和。
通过画图可以看出，以（i_min,j_min）,(i_min,j_max),(i_max,j_min),(i_max,j_max)为顶点的矩形区域的元素之和
GetSubSum=PS[i_max][j_max]-PS[i_min-1][j_max]-PS[i_max][j_min-1]+PS[i_min-1][j_min-1],也就是在已知“部分和”的基础
上可以用O(1)时间算出任意矩阵区域的元素之和。

不难看出，在更小的“部分和”的基础上，也能以O(1)时间得到新的“部分和”。
PS[i][j]=PS[i-1][j]+PS[i][j-1]-PS[i-1][j-1]+B[i][j]

O(N*M)的时间就足够预处理并得到所有部分和。
综上所述，我们得到了一个O(N^2 * M^2)的解法。

解法二：

我们发现一维的解答可以线性完成。如果我们能将二维问题转换为一维问题，或许可以改进一下。

可以把每一列中第a行和第c行之间的元素看出一个整体。即求数组（BC(1),BC(2),...,BC(M)）中的最大的一段，其中BC[i]=B[a][i]+...+B[c][i]我们枚举矩形上下边界，然后再用一维情况下的方法确定左右边界，就可以得到二维问题的解。然后再采用方法一的预处理步骤，那么时间复杂度可以降为为O(N* M*min(N,M));

#include<cstdio>
#include<cstdlib>
#define MAX 1005
#define INF 0x0FFFFFFF

using namespace std;

int matrix[MAX][MAX];
int PS[MAX][MAX];

void GetPartSum(int n,int m,int PS[MAX][MAX])
{
	int i,j;
	for(i=0;i<=n;i++)
		PS[i][0]=0;
	for(j=0;j<=m;j++)
		PS[0][j]=0;
	for(i=1;i<=n;i++)
		for(j=1;j<=m;j++)
			PS[i][j]=PS[i-1][j]+PS[i][j-1]-PS[i-1][j-1]+matrix[i][j];
}

int ColumnSum(int a,int c,int i)
{
	int sum=PS[c][i]-PS[a-1][i]-PS[c][i-1]+PS[a-1][i-1];
	return sum;
}

int MaxSum(int n,int m)
{
	int i,j,k;
	int maxsum=-INF;
	int start,all;
	GetPartSum(n,m,PS);
	for(i=1;i<=n;i++)
	{
		for(j=i;j<=n;j++)
		{
			start=ColumnSum(i,j,m);
			all=ColumnSum(i,j,m);
			for(k=m-1;k>=0;k--)
			{
				if(start<0)
					start=0;
				start+=ColumnSum(i,j,k);
				if(start>all)
					all=start;
			}
			if(all>maxsum)
				maxsum=all;
		}
	}
	return maxsum;
}

int main(int argc,char *argv[])
{
	int n,m;
	int i,j;
	while(scanf("%d%d",&n,&m)!=EOF)
	{
		for(i=1;i<=n;i++)
			for(j=1;j<=m;j++)
				scanf("%d",&matrix[i][j]);
		int ans=MaxSum(n,m);
		printf("%d\n",ans);
	}

	return 0;
}