【动态规划】（二）最大子段和

最大子段和

一、什么是最大子段和

在这里，要区别一下“子段”与“子序列”。子段是指连续的一部分，例如“23”是“12345”的子段，但“24”不是。

二、如何计算最大子段和

1.暴力搜索

枚举起点$i$与终点$j$，计算总和并保存结果。时间复杂度为$O(n^2)$。

2.动态规划（重点）

建造一个$dp$数组，其中，$dp[i]$表示结尾是$i$的最大子段和
那么，我们以$-2,11,-4,13,-5,-2$为例，进行计算。

a[i]	dp[i]
-2
11
-4
13
-5
-2

第一步，计算$dp[0]$，$dp[i]$有两种选择。第一种，是不选$a[i]$，那么$dp[i]=0$。第二种，是选$a[i]$，那么$dp[i]=a[i]$。那么$dp[0]=max(0,a[0])$。

a[i]	dp[i]
-2	0
11
-4
13
-5
-2

第二步，计算$dp[1]$。跟上面一样，只不过不选的时候，$dp[i]=a[i]+dp[i-1]$。那么$dp[i]=max(0,a[i-1])$

a[i]	dp[i]
-2	0
11	11
-4
13
-5
-2

接着，以此类推。

a[i]	dp[i]
-2	0
11	11
-4	7
13	20
-5	15
-2	13

由于我们求的是最大子段和，所以还要求$dp$数组里的最大值。所以，最大子段和是一个1D/1D的模型。
但是还有一点要注意的是：全部都是负数的情况。例如：-2、-3、-20、-19、-5、-13。那么最大子段和就应该是所有数中的最大值。我们可以在输入的时候完成这个操作。
根据刚才的推断，我们得知了以下几个递推公式：
①$dp[0]=max(0,a[0])$
②$dp[i]=max(0,a[i-1])$
那就上代码！

#include <iostream>
#include <algorithm>
using namespace std;
const int inf = 1e9;
int a[101], dp[101];
int main() {
    int n;
    cin >> n;
    int ans = -inf;
    for(int i = 1; i <= n; i++){
        cin >> a[i];
        ans = max(ans, a[i]);
    }
    dp[0] = max(0, a[0]);
    for(int i = 1; i <= n; i++){
        dp[i] = max(0, a[i - 1]);
        ans = max(ans, dp[i]);
    }
    cout << ans << endl;
    return 0;
}

这次就到这里了！记得点赞关注哦！