最大连续子序列和DP解法

最大连续子序列和

给定一个数字序列A₁，A₂，… ，A_n，求i，j(1 <= i <= j <= n)，使得A_i + … + A_j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A_i + … + A_j，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)

题目：P1115 最大子段和

#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

PAT甲级1007