Maximum Alternating Subsequence Sum 最大子序列交替和
问题描述:
一个下标从 0 开始的数组的 交替和 定义为 偶数 下标处元素之 和 减去 奇数 下标处元素之 和 。
比方说,数组 [4,2,5,3] 的交替和为 (4 + 5) - (2 + 3) = 4 。
给你一个数组 nums ,请你返回 nums 中任意子序列的 最大交替和 (子序列的下标 重新 从 0 开始编号)。
一个数组的 子序列 是从原数组中删除一些元素后(也可能一个也不删除)剩余元素不改变顺序组成的数组。比方说,[2,7,4] 是 [4,2,3,7,2,1,4] 的一个子序列(加粗元素),但是 [2,4,2] 不是。
1 < = n u m s . l e n g t h < = 1 0 5 1 < = n u m s [ i ] < = 1 0 5 1 <= nums.length <= 10^5\\ 1 <= nums[i] <= 10^5 1<=nums.length<=1051<=nums[i]<=105
分析
要求在一个数组中找出一个subsequence,而且它的交替和最大。
要完成2个事情,子序列,交替和最大。
给的定义 交替和 alternating sum,是子序列中偶数下标的元素和 - 奇数下标的元素和。
对于相同的元素a[i],它所处的不同的子序列,它的相对下标也可能会发生变化,可能是奇数,也可能是偶数。
这个问题其实和LIS很像,对于该问题的思路很多,子序列的长度,最小就是1,也就是单元素构造的子序列。
所以理论上,这个交替和的范围下边界就是单元素的最小值。
对于原数组的下标i,a[i]来讨论。
- 情况1 a [ i ] a[i] a[i]可能自身就是一个备选。
- 情况2 a [ i ] a[i] a[i]可能作为某个子序列的 o d d odd odd下标,即 0 → i − 1 0\rightarrow i-1 0→i−1存在一个even下标结尾的子序列的最大值。
- 情况3 a [ i ] a[i] a[i]可能作为某个子序列的 e v e n even even下标,即 0 → i − 1 0\rightarrow i-1 0→i−1存在一个 o d d odd odd下标结尾的子序列的最大值。
所以状态转移方程就出来了。
f
[
i
]
[
j
]
f[i][j]
f[i][j]表示以i为结尾的元素构造的子序列,交替和可以得到的最大值,j为0表示当前元素是偶数结尾,1表示是奇数结尾。
f
[
i
]
[
0
]
=
m
a
x
(
f
[
k
]
[
1
]
+
n
u
m
s
[
i
−
1
]
)
,
i
>
k
>
0
f
[
i
]
[
1
]
=
m
a
x
(
f
[
k
]
[
0
]
−
n
u
m
s
[
i
−
1
]
)
,
i
>
k
>
0
f[i][0] = max(f[k][1]+ nums[i-1]), i>k>0\\ f[i][1] = max(f[k][0]- nums[i-1]), i>k>0
f[i][0]=max(f[k][1]+nums[i−1]),i>k>0f[i][1]=max(f[k][0]−nums[i−1]),i>k>0
时间复杂度 O ( N 2 ) O(N^2) O(N2),TLE
由于最终只是计算结果,为了使
f
[
i
]
[
0
]
f[i][0]
f[i][0]最大,只是需要从
0
→
i
−
1
0\rightarrow i-1
0→i−1 找到一个以奇数结尾的最大交替和,所以不一定需要知道这个结果是哪个序列产生的。
所以使用一个
o
d
d
odd
odd来记录这个结果就可以,就可以避免进行一次
O
(
N
)
O(N)
O(N)的遍历。
代码
DP
public long maxAlternatingSum(int[] nums) {
int n = nums.length;
long[][] f = new long[n+1][2];
long ans = 0;
for(int i =1;i<=n;i++){
f[i][0] = nums[i-1];
f[i][1] = -nums[i-1];
for(int j=i-1;j>0;j--){
f[i][0] = Math.max(f[i][0],f[j][1]+nums[i-1]);
f[i][1] = Math.max(f[i][1],f[j][0]-nums[i-1]);
}
ans = Math.max(ans,Math.max(f[i][0],f[i][1]));
}
return ans;
}
时间复杂度 O ( ( N ) ) 2 ) O((N))^2) O((N))2)
空间复杂度 O ( N ) O(N) O(N)
TLE
改进
public long maxAlternatingSum(int[] nums) {
int n = nums.length;
long[][] f = new long[n+1][2];
long ans = 0,max0 = 0, max1 = 0;
for(int i =1;i<=n;i++){
f[i][0] = nums[i-1];
f[i][1] = -nums[i-1];
f[i][0] = Math.max(f[i][0],max1+nums[i-1]);
f[i][1] = Math.max(f[i][1],max0-nums[i-1]);
max1 = Math.max(max1,f[i][1]);
max0 = Math.max(max0,f[i][0]);
ans = Math.max(ans,Math.max(f[i][0],f[i][1]));
}
return ans;
}
时间复杂度 O ( N ) O(N) O(N)
空间复杂度 O ( N ) O(N) O(N)
public long maxAlternatingSum(int[] nums) {
int n = nums.length;
long ans = 0,even = 0, odd = 0;
long cureven = 0, curodd = 0;
for(int i =1;i<=n;i++){
cureven = nums[i-1];
curodd = -nums[i-1];
cureven = Math.max(cureven,odd+nums[i-1]);
curodd = Math.max(curodd,even-nums[i-1]);
odd = Math.max(odd,curodd);
even = Math.max(even,cureven);
ans = Math.max(ans,Math.max(cureven,curodd));
}
return ans;
}
时间复杂度 O ( N ) O(N) O(N)
空间复杂度 O ( 1 ) O(1) O(1)
Tag
Array
Dynamic Programming