动态规划之最大子段和问题总结

                          动态规划之最大子段和问题总结

     这几天看了最大子段和的问题，最大子段和的问题用动态规划处理很方便，总的来说最大子段和可以分为四类：1、一维数组求最大子段和；2、二维数组求最大子矩阵；3、三维数组求最大子立方；4、一维数组求最大m子段和

      1、一维数组求最大子段和问题

     处理这种类型的题目，主要讨论这个问题的建模过程和子问题结构.时刻记住一个前提，这里是连续的区间

• 令b[j]表示以位置 j 为终点的所有子区间中和最大的一个
• 子问题:如j为终点的最大子区间包含了位置j-1,则以j-1为终点的最大子区间必然包括在其中
• 如果b[j-1] >0, 那么显然b[j] = b[j-1] + a[j]，用之前最大的一个加上a[j]即可，因为a[j]必须包含
• 如果b[j-1]<=0,那么b[j] = a[j] ,因为既然最大，前面的负数必然不能使你更大

例题：hdu 1003 http://acm.hdu.edu.cn/showproblem.php?pid=1003

参考代码：

#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
int a[100005];
struct node
{
    int sum;
    int s;
    int e;
} dp[1000005];
int cmp(node a,node b)
{
    if(a.sum!=b.sum)
    return a.sum>b.sum;
    else
    return a.s<b.s;
}
int main()
{
    int t,n,cas=0;
    scanf("%d",&t);
    for(int cas=1;cas<=t;cas++)
    {
        scanf("%d",&n);
        for(int i=1;i<=n;i++)
        {
            scanf("%d",&a[i]);
        }
        for(int i=1;i<=n;i++)
        {
            dp[i].sum=0;
            dp[i].e=i;
            dp[i].s=0;
        }
        dp[0].s=1;
        for(int i=1;i<=n;i++)
        {
            if(dp[i-1].sum>=0)
            {
                dp[i].sum=dp[i-1].sum+a[i];
                dp[i].s=dp[i-1].s;
                dp[i].e=i;
            }
            if(dp[i-1].sum<0)
            {
                dp[i].sum=a[i];
                dp[i].s=i;
                dp[i].e=i;
            }
        }
        sort(dp+1,dp+n+1,cmp);
        if(cas<t)
         {
            printf("Case %d:\n",cas);
            printf("%d %d %d\n",dp[1].sum,dp[1].s,dp[1].e);
            printf("\n");
        }
        else
        {
            printf("Case %d:\n",cas);
            printf("%d %d %d\n",dp[1].sum,dp[1].s,dp[1].e);
        }
    }
    return 0;
}
/*
2
5 6 -1 5 4 -7
7 0 6 -1 1 -6 7 -5
*/

 

2、二维数组求最大子矩阵 

将二维矩阵按列划分成很多条，将其转换成一维数组处理即可，