线性动态规划——最大子段和
【动态规划】
- 动态规划算法与分治法类似,其基本思想是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。
- 分治法得到的子问题是相对独立的,动态规划得到的子问题不是相互独立的。
- 适合用动态规划来求解的问题,若用分治法来求解,有些子问题可能会被重复计算。
- 因此,可以用一个表来记录所有已解的子问题的答案。
【线性动态规划】
- 线性DP问题的子状态与父状态之间往往相差一个元素,所以子状态通过添加一个增量而转换到父状态。从最小子问题到原问题,一层一层的状态转移呈现出线性递增的关系,所以称为线性DP。
- 常见线性DP问题:最大子段和、最长公共子序列、最长回文子序列、最长递增子序列、最长公共递增子序列、矩阵连乘问题等。
- 线性DP问题通常是一维的。
【问题描述】
输入一个数列,要求求出数列中两个不想交的子段和,要求和最大!
【解题思路】
- 对每个 i 来说,求出 [0 ~ i-1] 的最大子段和以及[i ~ n-1]的最大子段和,再加起来,求最大的。
- [0 ~ i-1] 的最大子段和从左向右扫描,[i ~ n-1] 从右向左扫描。
- Left[i] 为 i 左边的最大子段和,Left[i]可分为包括a[i]和不包括a[i]两种情况,所以状态转移公式为: Max(left[i], left[i-1])
- Right[i]同理可得。
【算法实现】
//动态规划,线性DP问题
#include <cstdio>
#include <algorithm>
using namespace std;
int a[5001]; //用于存放输入的数组
int left[5001]; //用于作为左侧最大子段的 "备忘录" 数组
int right[5001]; //用于作为右侧最大子段的 "备忘录" 数组
void left_scan(int n)
{
//此时left[i] 为包含 i 的最大子段和
left[0] = a[0]</