一个整数序列,选出其中连续且非空的一段使得这段和最大。 注意当题目要求输入输出的数据量很大时,尽量使用scanf和printf。 c++提供的cin和cout速度比较慢,有可能在读取数据和输出数据时导致超时。 输入格式 第一行是一个正整数N,表示了序列的长度(0=<N<=200000)。 第二行包含N个绝对值不大于10000的整数ai。 输出格式 一个整数,为最大的子段和。子段的最小长度为1。数据确保结果在类型int范围内。 输入样例 7 2 -4 3 -1 2 -4 3 输出样例 4
知识点:最大子段和是一个经典的题目。有三大类作法,暴力枚举、前缀和+递推、动态规划。
(一)暴力枚举
既然是子段和,那么可以枚举子段的左右两个端点确定字段范围,计算子段和。复杂度O(n^3)
int main()
{
int i,j,k,n,a[200005],maxs;
cin>>n;
for(i=1; i<=n; i++)
cin>>a[i];
maxs=a[1];
for(i=1; i<=n; i++)/**< i和j为左右端点 */
for(j=i; j<=n; j++)
{
int sum=0;
for(k=i; k<=j; k++)/**< 求子段[i,j]的和 */
sum+=a[k];
maxs=max(maxs,sum);
}
cout<<maxs;
return 0;
}
(二)前缀和数组
前缀和数组是一种能快速求区间和(子段和)的数据结构,递归公式s[i]=s[i-1]+a[i],它要求原始数据序列不能有任何改动。
用前缀和数组可以优化上面暴力枚举中求子段和的代码,此时复杂度O(n^2)。进一步可以想到,以X为右端点的最大子段和一定是s[X]- min(0,s[1],s[2]......s[X-1]),而min(0,s[1],s[2]......s[X-1])在处理时可以递推得到,无需再写循环语句。此时整个算法复杂度O(n)。
前缀和数组同样可以应用到更高维度,例如二维数组的前缀和递推公式s[i][j]=s[i-1][j]+s[i][j-1]-s[i-1][j-1];同样的思想也能用于求二维的“最大子矩阵”。
int main()
{
int i,j,k,n,a[200005],s[200005]= {0},maxs=0;
cin>>n;
for(i=1; i<=n; i++)
cin>>a[i];
for(i=1; i<=n; i++)/**< 构造前缀和数组,区间[L,R]的值可以用s[R]-S[L-1]快速得到 */
s[i]=s[i-1]+a[i];
maxs=a[1];
int minv=0;/**< minv用于存储s[1...i-1]的最小值 */
for(i=1; i<=n; i++)
{
maxs=max(maxs,s[i]-minv);/**< 以i为右端点的最大字段和一定是s[i]-minv */
minv=min(minv,s[i]);/**< 递推minv,为下一次i+1作准备 */
}
cout<<maxs;
return 0;
}
(三)动态规划法
动态规划的思想是假定前 i-1 个数据答案已知时,第i个的答案 一定可以通过前i-1个答案推导出来。在最大字段和问题上,以i为右端点的最大子段和只有两种可能:(1)只有a[i];(2)以[i-1]为右端点的最大子段和+a[i]。可以思考下,不会有其他的可能性。
因为一次递推就可以解决问题(简言之每个数据只被使用一次),下述代码并没有构建数组来存储动态规划的中间结果。
int main()
{
int i,j,k,n,a;
int maxs,sum;
cin>>n;
cin>>maxs;/**< 先读一个数据,题目要求字段长度至少为1 */
sum=maxs;
for(i=2;i<=n;i++){
scanf("%d",&a);/**< 对于第i个数字来说,或者和前面的数据一起求和,或者自立门户 */
sum=sum<0?a:sum+a;/**< 前面的和大于等于0,连接效果好,不然还不如自立门户 */
maxs=max(maxs,sum);
}
cout<<maxs;
return 0;
}