HDU-1024 Max Sum Plus Plus （最大M子段和问题）

Now I think you have got an AC in Ignatius.L's "Max Sum" problem. To be a brave ACMer, we always challenge ourselves to more difficult problems. Now you are faced with a more difficult problem. 

Given a consecutive number sequence S  ₁, S  ₂, S  ₃, S  ₄ ... S  _x, ... S  _n (1 ≤ x ≤ n ≤ 1,000,000, -32768 ≤ S  _x ≤ 32767). We define a function sum(i, j) = S  _i + ... + S  _j (1 ≤ i ≤ j ≤ n). 

Now given an integer m (m > 0), your task is to find m pairs of i and j which make sum(i  ₁, j  ₁) + sum(i  ₂, j  ₂) + sum(i  ₃, j  ₃) + ... + sum(i  _m, j  _m) maximal (i  _x ≤ i _y ≤ j  _x or i  _x ≤ j  _y ≤ j  _x is not allowed). 

But I`m lazy, I don't want to write a special-judge module, so you don't have to output m pairs of i and j, just output the maximal summation of sum(i  _x, j  _x)(1 ≤ x ≤ m) instead. ^_^ 

Input

Each test case will begin with two integers m and n, followed by n integers S  ₁, S ₂, S  ₃ ... S  _n. 
Process to the end of file. 

Output

Output the maximal summation described above in one line. 

Sample Input

1 3 1 2 3
2 6 -1 4 -2 3 -2 3

Sample Output

6
8


        
  

Hint

Huge input, scanf and dynamic programming is recommended.

【问题描述】----最大M子段和问题
给定由 n个整数（可能为负整数）组成的序列a1，a2，a3，……，an，以及一个正整数 m，要求确定序列 a1，a2，a3，……，an的 m个不相交子段，
使这m个子段的总和达到最大，求出最大和。

题解：转自http://www.cnblogs.com/peng-come-on/archive/2012/01/15/2322715.html
动态规划的思想。
1.基本思路：
  首先，定义数组num[n],dp[m][n]. 
  num[n]用来存储n个整数组成的序列.
  dp[i][j]用来表示由前 j项得到的含i个字段的最大值，且最后一个字段以num[j]项结尾。仔细想想，我们可以知道：
  dp[i][j]=max(dp[i][j-1]+num[j],dp(i-1,t)+num[j])   其中i-1<=t<=j-1.
  (因为必须是以 num[j] 结尾的，所以num[j]一定属于最后一个子段，即要么自己独立成一个子段，要么与前边以num[j-1]结尾的子段联合)
  所求的最后结果为 max( dp[m][j] ) 其中1<=j<=n.
  但是，我们会发现，当n非常大时，这个算法的时间复杂度和空间复杂度是非常高的,时间复杂度近似为O(m*n^2),
  空间复杂度近似为O(m*n).因此，我们需要优化算法来降低时间复杂度和空间复杂度.
2.优化算法：
  (1)节省时间
  由基本思路，我们可以知道，dp[i][j]=max(dp[i][j-1]+num[j],dp(i-1,t)+num[j])，其中i-1<=t<=j-1.我们只要找到dp[i][j-1]
  和dp[i-1][t]的最大值加上num[j]即为dp[i][j].所以，定义一个数组pre_max[n]，用pre_max[j-1]来表示求解dp[i][j]时dp[i-1][t]
  的最大值,则dp[i][j]=max(pre_max[j-1],dp[i][j-1])+num[j].
  特别注意，pre_max[n]这个位置的存储空间是始终用不到的，因此可以用来存储其他数值，在接下来会用到。
  在求解dp[i][j]的同时，我们可以计算出dp[i][t];i<=t<=j的最大值，这个最大值在计算dp[i+1][j+1]的时候需要作为pre_max[j]的
  形式被使用，我们先把它存在pre_max[n]中。
  你可能会问：为什么不把它直接放在pre_max[j]中呢？因为你接下来需要计算dp[i][j+1]的值，需要用到pre_max[j]中原来的值，
  如果你把它存在这里，就会覆盖掉计算dp[i][j+1]所需要的那个值。所以，先把它放在pre_max[n]中。
  当我们计算完dp[i][j+1]之后，就会发现pre_max[j]中的值已经没有用处了，我们可以把它更新为计算dp[i+1][j+1]所需要的那个值，
  即之前放在pre_max[n]中的那个值，即执行pre_max[j]=pre_max[n].
  这样我们就节省了计算最大值时付出的时间代价。
  (2)节省空间
  通过时间的节省，我们突然间发现程序执行结束后pre_max[n]的值即为最后的结果，pre_max[n]数组才是我们希望求解的，
  dp[m][n]这个庞大的数组已经不是那么重要了，因此，我们现在用整型数tmp来代替dp[m][n]，用来临时存储dp[i][j]的值，
  作为求解pre_max[n]的中介。
  这样就节省了dp[i][j]占用的极大的空间.

自问自己做不做得来，我想我我是真的做不来。没怎么接触dp的题，今天算是见识到了。dp难一点的题就要利用状态转移方程的特性来降低空间复杂度，然后利用一些辅助的东西来降低时间复杂度。神奇的滚动来降低空间复杂度，不得不说dp博大精深.....（蒟蒻QAQ）。

#include <bits/stdc++.h>

using namespace std;
const int MAXN = 1e6+7;
int n,m;
int num[MAXN];
int pre[MAXN];


int main()
{
    while(~scanf("%d%d",&m,&n))
    {
        for(int i = 1 ; i <= n ;++i)
        {
            scanf("%d",&num[i]);
            pre[i] = 0;
        }
        for(int i = 1 ; i <= m ; ++i)
        {
            int temp = 0;
            for(int j = 1 ; j <= i ; ++j)temp += num[j];
            pre[n] = temp;
            //前面这些相当于初始化，当j大于m的时候才会有更新答案操作
            for(int j = i + 1 ; j <= n ; ++j)
            {
                temp = max(pre[j-1],temp) + num[j];
                pre[j-1] = pre[n];
                pre[n] = max(pre[n],temp);
            }
            //这里的pre数组就是不断滚动的，temp也是。pre是i的滚动，而temp则是j的滚动。
        }
        printf("%d\n",pre[n]);
    }
    return 0;
}