P3009 [USACO11JAN] Profits S - Kadane算法解法

🌟 P3009 [USACO11JAN] Profits S - Kadane算法解法

解题思路

计算整数序列的最大连续子段和。使用Kadane算法在O(n)时间复杂度和O(1)空间复杂度内高效解决该问题。

---

核心算法思想

状态定义

• current_sum：以当前元素结尾的最大子段和
• max_sum：全局最大子段和

状态转移方程

\begin{cases}
\text{current\_sum} = \max(\text{profit}, \text{current\_sum} + \text{profit}) \\
\text{max\_sum} = \max(\text{max\_sum}, \text{current\_sum})
\end{cases}

边界处理

• 全负数序列：返回最大的单个负数
• 单元素序列：直接返回该元素值

---

代码实现

#include <iostream>
#include <algorithm>
#include <climits>
using namespace std;

int main() {
    int n;
    cin >> n;
    long long current_sum = 0;
    long long max_sum = LLONG_MIN; // 初始化为最小整数
    
    for (int i = 0; i < n; i++) {
        long long profit;
        cin >> profit;
        current_sum = max(profit, current_sum + profit);
        max_sum = max(max_sum, current_sum);
    }
    
    cout << max_sum << endl;
    return 0;
}

---

算法优化点

1. 高效状态转移

• 智能决策：选择以当前元素重新开始或延续之前的子段
• 常数时间更新：每个元素仅需O(1)时间处理

2. 边界处理优化

• LLONG_MIN初始化：正确处理全负数序列
• 动态更新：不依赖序列值域范围

3. 空间优化

• 双变量维护：仅需current_sum和max_sum两个变量
• 内存友好：支持处理n≤1e6的大数据

---

复杂度分析

维度	分析说明
时间复杂度	O(n) ，单次遍历所有元素
空间复杂度	O(1) ，仅需两个变量

---

算法演示

样例输入：[-3, 4, 9, -2, -5, 8, -3]

元素	current_sum	max_sum
-3	-3	-3
4	4	4
9	13	13
-2	11	13
-5	6	13
8	14	14
-3	11	14

输出：14（对应子序列[4,9,-2,-5,8]）

---

特殊情况处理

情况	处理方式	结果示例
全正序列	返回序列总和	[5,9,3] → 17
全负序列	返回最大单个元素	[-3,-9] → -3
单元素序列	直接返回该元素	[7] → 7
含零序列	零可包含在最优解中	[-1,0,-2] → 0

---

算法特点

• 线性效率：完美处理百万级数据规模
• 代码简洁：核心逻辑仅5行代码
• 健壮性强：正确处理各类边界情况
• 通用性广：适用于股票分析、信号处理等场景

测试验证：已通过洛谷所有测试用例，包括全负数和极大值测试。

Sanhai AI