(1)动态规划

该博客介绍了如何使用动态规划解决一个数值序列问题,找到所有长度为k的连续子序列中最大值的最小值。讨论了暴力求解方法,并详细解析了动态规划的解决方案。
摘要由CSDN通过智能技术生成

题目描述

给定一个长度为n的数字序列,对于每一个1<=k<=n,希望能求解出所有长度为k的连续子序列的最大值中的最小值。

输入描述:

第一行数字n
接下来一行是一个长度为n的数字序列
1<=n<=100000, 0<=ai<=10^5

输出描述:

一行n个数字,第i个数字表示k=i时的答案。

示例1:

输入
6
1 3 2 4 6 5
输出
1 3 3 4 6 6

解析1:暴力求解

#include <iostream>
#include <vector>

using namespace std;

int main()
{
   
	int n;
	cin >> n;
	vector<int>numVec(n, 0);
	for (int i = 0; i < n; ++i)
		cin >> numVec[i];
	
	//求序列n的最大值、最小值
	int maxOfAll = numVec[0];
	int minOfAll = numVec[0];
	for (int i = 1; i < n; ++i)
	{
   
		if (maxOfAll < numVec[i])
			maxOf
1D/1D动态规划是指状态为O(n),转移为O(n)的动态规划方程。一般情况下,求解的时间复杂度为O(n^2),但通过优化可以将时间复杂度降低到O(nlogn)甚至O(n)。[2] 在1D/1D动态规划中,决策单调性优化是一种常见的优化技巧。决策单调性指的是在动态规划的过程中,可以通过剪枝或其他方来减少不必要的计算。这种优化可以进一步提高算的效率。 具体来说,当决策单调性优化应用于1D/1D动态规划问题时,我们可以根据问题的特点和约束条件,选择一种合适的决策策略,使得在状态转移时可以减少不必要的计算。这样可以大大降低算的时间复杂度。 总之,1D/1D动态规划是一种通过状态为O(n),转移为O(n)的动态规划方程来解决问题的方。通过决策单调性优化,可以进一步提高算的效率。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [1D/1D动态规划优化初步 模型一](https://blog.csdn.net/u010152669/article/details/23025691)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [1D/1D动态规划](https://blog.csdn.net/tanjunming2020/article/details/126631403)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值