动态规划(二)——最大连续子序列和

该博客探讨了如何高效地找到一个整数序列中连续子序列的最大和。介绍了三种方法,包括基础的枚举法、前缀和优化后的枚举法以及动态规划解决方案。动态规划方案通过维护一个一维数组`dp[]`,实现时间复杂度为O(n)的求解过程。代码示例展示了如何实现这一算法,并给出了输入输出描述。
摘要由CSDN通过智能技术生成

问题

给定一个序列 { A 1 , A 2 , A 3 , . . . , A n } \{A_1,A_2,A_3,...,A_n\} {A1,A2,A3,...,An},找出其中一个连续的子序列 { A i , A i + 1 , . . . , A j } \{A_i,A_i+1,...,A_j\} {Ai,Ai+1,...,Aj}使得这个连续的子序列的和最大

分析

  • 最基础的方法就是枚举左右两个端点,计算其间的子序列之和,时间复杂度 O ( n 3 ) O(n^3) O(n3)
  • 采用记录前缀的方法预处理 S i = A 1 + ⋅ ⋅ ⋅ + A i S_i=A_1+\cdot \cdot \cdot+A_i Si=A1++Ai,使得计算子序列之和的复杂度降为 O ( 1 ) O(1) O(1),然后再通过枚举左右端点,计算所有子序列之和,时间复杂度为 O ( n 2 ) O(n^2) O(n2)
  • 使用动态规划可将时间复杂度降为 O ( n ) O(n) O(n)
    • 设置一维数组dp[],令 dp[i]表示以A[i]作为结尾的连续序列的最大和
    • 当最大和的连续序列只有一个元素,即dp[i] = A[i]
    • 有多个元素时dp[i] = A[j]+...+A[i-1]+A[i] 等价于dp[i-1]+A[i]
    • 所以dp[i] = max{A[i],dp[i-1]+A[i]}

例题

描述
给出一个整数序列S,其中有N个数,定义其中一个非空连续子序列T中所有数的和为T的“序列和”。 对于S的所有非空连续子序列T,求最大的序列和。 变量条件:N为正整数,N≤1000000,结果序列和在范围(-263,263-1)以内。
输入描述:
第一行为一个正整数N,第二行为N个整数,表示序列中的数。
输出描述:
输入可能包括多组数据,对于每一组输入数据, 仅输出一个数,表示最大序列和。

#include <iostream>
#include <cstdio>
#include <cstring>
#define MAXN 1000001

using namespace std;

long long order[MAXN];
long long dp[MAXN];

long long MaxSubsequence(int n)
{
    dp[0] = order[0];
    long long maximum = dp[0];
    for (int i = 1; i < n; i++)
    {
        dp[i] = max(order[i], dp[i - 1] + order[i]);
        maximum = max(maximum, dp[i]);
    }
    return maximum;
}

int main(int argc, char const *argv[])
{
    int n = 0;
    while (scanf("%d", &n) != EOF)
    {
        memset(order, 0, sizeof(order));
        for (int i = 0; i < n; i++)
        {
            scanf("%lld", &order[i]);
        }
        long long answer = MaxSubsequence(n);
        printf("%lld\n", answer);
    }
    return 0;
}

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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