OJ平台:CD202106_4_3
洛谷:P2258 [NOIP2014 普及组]
给定一个二维数组,找到这个二维数组中子矩阵和的最大值。这个问题其实是最大子序列和的扩展问题。
例如下图中,最大子矩阵和为绿色阴影区的数字和29
方法一: 暴力搜索
解这个问题最容易想到的办法就通过暴力搜索把所有可能的子矩阵都搜索出来,计算子矩阵和,找到最大值。决定一个子矩阵有四个维度,上、下左、右。求子矩阵和还要有两个维度的计算量。
代码演示:如果原二维数组为n行m列,时间复杂度是O((n*m)3)。 遍历子矩阵是O((n*m)2),计算子矩阵的和O(n*m)。所以这是方法效率低。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 | /**************************************************************** * 代码作者: Alex Li * 创建时间: 2024-12-28 20:42:50 * 最后修改: 2024-12-28 20:43:59 * 文件描述: 暴力求子矩阵和的最大值 ****************************************************************/ #include <bits/stdc++.h> using namespace std; int maxSumRectangle(vector<vector<int>> &mat) { int n = mat.size(); int m = mat[0].size(); int maxSum = INT_MIN; for (int up = 0; up < n; up++) { for (int left = 0; left < m; left++) { for (int down = up; down < n; down++) { for (int right = left; right < m; right++) { // Find the sum of submatrix(up, right, down, left) int sum = 0; for (int i = up; i <= down; i++) { for (int j = left; j <= right; j++) { sum += mat[i][j]; } } // Update maxSum if sum > maxSum. if (sum > maxSum) { maxSum = sum; } } } } } return maxSum; } int main() { vector<vector<int>> mat = {{1, 2, -1, -4, -20}, {-8, -3, 4, 2, 1}, {3, 8, 10, 1, 3}, {-4, -1, 1, 7, -6}}; int res = maxSumRectangle(mat); cout << res << endl; return 0; } |
方法二:前缀和
代码示意:算法复杂度为O(n*n*m)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 | /**************************************************************** * 代码作者: Alex Li * 创建时间: 2024-12-28 05:18:47 * 最后修改: 2024-12-28 21:22:16 * 文件描述: n∗m矩阵的最大子矩阵和 ****************************************************************/ #include <bits/stdc++.h> using namespace std; int main() { int n, m; // 矩阵的行数和列数 int maxSum = INT_MIN; // 初始化最大子矩阵和为最小值 cin >> n >> m; // 输入矩阵的大小 // 初始化矩阵和前缀和数组 vector<vector<int>> matrix(n, vector<int>(m, 0)); vector<vector<int>> prefixSum(n, vector<int>(m, 0)); // 输入矩阵的元素 for (int i = 0; i < n; i++) { for (int j = 0; j < m; j++) { cin >> matrix[i][j]; } } // 构建前缀和数组,计算每列的累积和 for (int i = 0; i < m; i++) { prefixSum[0][i] = matrix[0][i]; // 第一行的前缀和等于矩阵第一行的值 } for (int i = 1; i < n; i++) { for (int k = 0; k < m; k++) { prefixSum[i][k] = prefixSum[i - 1][k] + matrix[i][k]; // 累加上一行的值 } } // 枚举子矩阵的上下边界 i 和 j for (int i = 0; i < n; i++) { // 枚举子矩阵的上边界 for (int j = i; j < n; j++) { // 枚举子矩阵的下边界 int currentSum = 0; // 当前列范围的最大和 int columnSum = INT_MIN; // 当前列的累加和(初始化为最小值) for (int k = 0; k < m; k++) { // 遍历所有列 if (i == 0) { columnSum = prefixSum[j][k]; // 如果上边界是第0行,直接使用前缀和 } else { columnSum = prefixSum[j][k] - prefixSum[i - 1][k]; // 计算从第i行到第j行的累加和 } // 使用 Kadane 算法计算一维最大子数组和 currentSum = max(columnSum, columnSum + currentSum); // 更新当前最大列和 maxSum = max(maxSum, currentSum); // 更新全局最大子矩阵和 } } } // 输出结果:最大子矩阵和 cout << maxSum << endl; return 0; } |