动态规划之最大子段和问题总结
这几天看了最大子段和的问题,最大子段和的问题用动态规划处理很方便,总的来说最大子段和可以分为四类:1、一维数组求最大子段和;2、二维数组求最大子矩阵;3、三维数组求最大子立方;4、一维数组求最大m子段和
1、一维数组求最大子段和问题
处理这种类型的题目,主要讨论这个问题的建模过程和子问题结构.时刻记住一个前提,这里是连续的区间
- 令b[j]表示以位置 j 为终点的所有子区间中和最大的一个
- 子问题:如j为终点的最大子区间包含了位置j-1,则以j-1为终点的最大子区间必然包括在其中
- 如果b[j-1] >0, 那么显然b[j] = b[j-1] + a[j],用之前最大的一个加上a[j]即可,因为a[j]必须包含
- 如果b[j-1]<=0,那么b[j] = a[j] ,因为既然最大,前面的负数必然不能使你更大
例题:hdu 1003 http://acm.hdu.edu.cn/showproblem.php?pid=1003
参考代码:
#include<stdio.h> #include<string.h> #include<algorithm> using namespace std; int a[100005]; struct node { int sum; int s; int e; } dp[1000005]; int cmp(node a,node b) { if(a.sum!=b.sum) return a.sum>b.sum; else return a.s<b.s; } int main() { int t,n,cas=0; scanf("%d",&t); for(int cas=1;cas<=t;cas++) { scanf("%d",&n); for(int i=1;i<=n;i++) { scanf("%d",&a[i]); } for(int i=1;i<=n;i++) { dp[i].sum=0; dp[i].e=i; dp[i].s=0; } dp[0].s=1; for(int i=1;i<=n;i++) { if(dp[i-1].sum>=0) { dp[i].sum=dp[i-1].sum+a[i]; dp[i].s=dp[i-1].s; dp[i].e=i; } if(dp[i-1].sum<0) { dp[i].sum=a[i]; dp[i].s=i; dp[i].e=i; } } sort(dp+1,dp+n+1,cmp); if(cas<t) { printf("Case %d:\n",cas); printf("%d %d %d\n",dp[1].sum,dp[1].s,dp[1].e); printf("\n"); } else { printf("Case %d:\n",cas); printf("%d %d %d\n",dp[1].sum,dp[1].s,dp[1].e); } } return 0; } /* 2 5 6 -1 5 4 -7 7 0 6 -1 1 -6 7 -5 */
2、二维数组求最大子矩阵
将二维矩阵按列划分成很多条,将其转换成一维数组处理即可,