算法设计-动态规划(1)-子序列和最大问题

算法设计-动态规划(1)

子序列和最大问题

1. 子序列和最大
   递推方程：d[i] = max{a[i], d[i-1]+a[i]}，d[i]表示的是子序列一定会包含第i个元素的最大和，要么是从a[i]开始，要么是在原来的最大序列上再添一个a[i]。最终得到的最大子序列和是max{d[i]}(0<=i<=n)
   代码如下：

//b[i]的状态转移方程：b[i]=max{b[i-1]+a[i],a[i]}。最终我们得到的最大子段和为max{b[i], 0<=i<n}
int findmax(int arr[], int n) {
   
    int maxvalue = -200, temp = 0;
    for(int i=0; i<n; i++) {
   
        if(temp > 0) {
   
            temp += arr[i]; //这里是用前i个数和第i个数进行比较，如果前i-1个数已经大于0，那么肯定是前i个数的和大于第i个数
        }
        else temp = arr[i]; //以上是一定包含第i个数的最大值
        if(temp > maxvalue) {
   
            maxvalue = temp;
        }
    }
    return maxvalue;
}

2. 子序列和的绝对值最大
   现求子序列的最大和，再求子序列的最小和，之后两者比较一下

3. 子序列的积最大
   维护两个数组，一个是最大值，一个是最小值，在遍历到下一个元素的时候，分别都要记录最大值和最小值（防止负负得正之后出现了最大值）

4. 两段重合不连续子序列最大和
   要维护两个数组，一个是从前向后记录最大值，一个是从后向前记录最大值，然后把这两个数组的和相加找一个最大值

int solve(int arr[], int n) {
   
	int dp[Max], lt[Max], rt[Max], maxvalue;
	dp[0] = lt[0] = dp[n+1] = rt[n+1] = maxvalue =  -INF;
	for(int i=1; i<=n; i++) {