最大连续子序列和
给定一个数字序列A1,A2,… ,An,求i
,j
(1 <= i <= j <= n
),使得Ai + … + Aj最大,输出这个最大和
暴力方法:枚举i
和j
的所有可能性,复杂度O(n2),并且O(n2)次计算Ai + … + Aj,总体复杂度为O(n3);就算我们采取前缀和的方法,将计算复杂度降为O(1),复杂度O(n2)仍然难以让我们接受
Step1 :令状态dp[i]
表示以A[i]
作结尾的连续序列最大和,这样dp
这个数组的最大值就是本题的解
Step2:求解dp
-----我们求出的最大和的连续序列分两种情况
- 这个最大和的连续序列只有一个元素,即
A[i]
,这种情况最大和就是A[i]
本身 - 这个最大和的连续序列有多个元素,从前方
A[p]
开始直到A[i]
,这种情况的最大和就是A[i] + dp[i - 1]
得出状态转移方程为dp[i] = max{A[i], A[i] + dp[i - 1]}
,该方程只与i
和i
之前的元素有关,边界是dp[1] = A[1]
,将时间复杂度降至O(n)
#include <bits/stdc++.h>
using namespace ::std;
const int maxn = 250000;
int dp[maxn], a[maxn];
int main()
{
int n;
cin >> n;
for(int i = 1; i <= n; ++i)
cin >> a[i];
dp[1] = a[1]; //边界
int ans = dp[1];
for(int i = 2; i <= n; ++i)
{
// 状态转移方程
dp[i] = max(a[i], a[i] + dp[i - 1]);
if(dp[i] > ans)
ans = dp[i];
}
cout << ans << endl;
return 0;
}
引申:状态的无后效性,当前状态记录了历史信息,当前状态确定后就不会发生改变,且未来的决策只能在已有的一个或多个状态的基础上进行,即历史信息只能通过已有状态去影响未来决策;例如此处的dp[i]
就只会涉及dp[i - 1]
而非直接使用dp[i - 1]
包含的历史信息
只有我们设计的状态具有无后效性时,才能正确使用动态规划解题