杭州电子科技大学Online Judge 之 “最大连续子序列（ID1231）”解题报告

杭州电子科技大学Online Judge 之 “最大连续子序列（ID1231）”解题报告

巧若拙（欢迎转载，但请注明出处：http://blog.csdn.net/qiaoruozhuo）

Problem Description

给定K个整数的序列{ N1, N2, ..., NK }，其任意连续子序列可表示为{ Ni, Ni+1, ...,

Nj }，其中 1 <= i <= j <= K。最大连续子序列是所有连续子序列中元素和最大的一个，

例如给定序列{ -2,11, -4, 13, -5, -2 }，其最大连续子序列为{ 11, -4, 13 }，最大和

为20。

在今年的数据结构考卷中，要求编写程序得到最大和，现在增加一个要求，即还需要输出该

子序列的第一个和最后一个元素。

 

Input

测试输入包含若干测试用例，每个测试用例占2行，第1行给出正整数K( < 10000 )，第2行给出K个整数，中间用空格分隔。当K为0时，输入结束，该用例不被处理。

 

Output

对每个测试用例，在1行里输出最大和、最大连续子序列的第一个和最后一个元

素，中间用空格分隔。如果最大连续子序列不唯一，则输出序号i和j最小的那个（如输入样例的第2、3组）。若所有K个元素都是负数，则定义其最大和为0，输出整个序列的首尾元素。

 

Sample Input

6

-2 11 -4 13 -5 -2

10

-10 1 2 3 4 -5 -23 3 7 -21

6

5 -8 3 2 5 0

1

10

3

-1 -5 -2

3

-1 0 -2

0

 

Sample Output

20 11 13

10 1 4

10 3 5

10 10 10

0 -1 -2

0 0 0

算法分析： 

本题是动态规划算法的典型应用。有两种方法来实现动态规划算法。

算法1：

使用变量sum累计当前连续子序列之和，只要sum>=0，就不停累计下去，并把最大连续子序列之和记录到maxSum中。如果sum小于0了，则将sum归零，重新开始。

题目要求输出该子序列的第一个和最后一个元素，我们只需要在更新maxSum的同时更新记录最大子序列边界的变量maxRight和maxLeft就行了。

为了能够正确处理序列值为非正整数的情况，我们初始化maxSum = -1;

maxLeft = 0;

maxRight = n-1;

说明： 

算法思想：动态规划。

数据结构：基本数据类型。

时间复杂度： O(N);

本题的姐妹题是“MaxSum（ID1003）”，算法思想相同，输出要求不同。

12390498

2014-12-04 13:59:52

Accepted

1231

62MS

256K

878 B

C

巧若拙

 

算法2：

设置一个辅助数组S[MAX];用来存储连续子序列的最大和。先取S[0] = A[0]; 如果S[i-1] > 0，则S[i] = S[i-1] + A[i]; 否则S[i] = A[i]; 即重新计算S[i]的值，相当于算法1中的将sum归零。

这样遍历数组A，计算出所有S[i]。然后遍历S[i]，找出最大值，即最大连续子序列和，对应的下标i就是序列的右边界right；从right往前遍历，直到S[i] < 0，则左边界left=i+1。

说明： 

算法思想：动态规划。

数据结构：基本数据类型。

时间复杂度： O(N);

空间复杂度： O(MAX);

12399272

2014-12-05 14:14:37

Accepted

1231

124MS

1132K

1010 B

C

巧若拙

 

#include<stdio.h>
#include<malloc.h>
#include<math.h>

#define MAX 10000

void MaxSubsequenceSum(const int A[], int n);//动态规划算法

int main()
{
	int A[MAX];
	int k, i;
	
	scanf("%d", &k);
	while (k != 0)
	{
		for (i=0; i<k; i++)
		{
			scanf("%d", &A[i]);
		}
		MaxSubsequenceSum(A, k);//动态规划算法
		scanf("%d", &k);
	}
	
    return 0;
}

//算法1：

void MaxSubsequenceSum(const int A[], int n)//动态规划算法
{
	int sum, maxSum, i, left, maxRight, maxLeft;
	
	maxSum = -1;
	sum = 0;
	maxLeft = 0;
	maxRight = n-1;
	for (left=i=0; i<n; i++)
	{
		sum += A[i];
		if (sum > maxSum)
		{
			maxSum = sum;
			maxLeft = left;
			maxRight = i;
		}
		else if (sum < 0) //连续子序列之和小于0了，则重新开始 
		{
			sum = 0;
			left = i + 1;
		}	
	} 
	
	if (maxSum < 0)
		maxSum = 0;
	printf("%d %d %d\n", maxSum, A[maxLeft], A[maxRight]);
}

//算法2：
void MaxSubsequenceSum(const int A[], int n)//动态规划算法
{
	int S[MAX];//用来存储连续子序列的最大和 
	int i, left, right;
	
	S[0] = A[0];
	for (i=1; i<n; i++)//存储各连续子序列的最大和  
	{
		if (S[i-1] > 0)
			S[i] = S[i-1] + A[i];
		else
			S[i] = A[i];
	} 
	
	for (right=i=0; i<n; i++)//查找连续子序列的最大和的右边界 
	{
		if (S[i] > S[right])
			right = i;
	}
	for (i=right; i>=0; i--)//查找连续子序列的最大和的左边界 
	{
		if (S[i] < 0)
			break;
	}
	left = i + 1;
	
	if (S[right] < 0)//全部元素都是负数的情形 
	{
		left = 0;
		right = n - 1;
		S[right] = 0;
	}
	printf("%d %d %d\n", S[right], A[left], A[right]);
}