动态规划之子序列问题
1 最大子序和
方法一:动态规划。
- 状态dp[i] :表示序列[0… i] 的最大子序和
- 初始值:
i == 0
:dp[i] = arr[i] - 状态转移:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int maxSum = INT_MIN;
int sum = 0;
vector<int> dp (nums.size(), 0);
dp[0] = nums[0];
for (int i = 1; i < nums.size(); i++){
dp[i] = max(dp[i-1] + nums[i], dp[i]);
if (dp[i] > maxSum) maxSum = dp[i];
}
return maxSum;
}
};
解法二:动态规划。使用两个变量来维护最大子序和。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int maxSum = INT_MIN;
int sum = 0;
for (auto num : nums){
sum = sum < 0 ? num : sum + num;
maxSum = max(sum, maxSum);
}
return maxSum;
}
};
2 乘积最大的子序列
解题思路:动态规划。乘积最大,只需考虑数组中的所有数的符号。当序列大于0,则一直累乘,当序列小于0时,则累乘至最小值。维护两个变量,保存最大最小值,遍历数组,当前数小于0,则交换最大最小值。
class Solution {
public:
int maxProduct(vector<int>& nums) {
int ans = INT_MIN;
int imax = 1;
int imin = 1;
for (auto num : nums){
if (num < 0) swap(imax, imin);
imax = max(imax * num, num);
imin = min(imin * num, num);
ans = max(ans, imax);
}
return ans;
}
};
买卖股票的最佳时机
class Solution {
public:
int maxProfit(vector<int>& prices) {
if (prices.size() == 0){
return 0;
}
int start = 0, end = 0;
int ans = INT_MIN;
int profit = 0;
for (int i = 0; i < prices.size(); i++){
end = i;
profit = prices[end] - prices[begin];
if (profit < 0) begin = i;
ans = max(ans, profit);
}
return ans;
}
};