中文题。
原本的最大连续子串和就是一个dp的问题,所以这里也很容易往dp方向去想。与经典问题类似,我们同样令dp[i]表示以i为结尾的连续子串的最大和。由于这里的和的定义有不同,所以我们这里只用一维去表示貌似不是很够,因为如果从前面继承过来,至少需要知道起点是多少,这样才能把当前这个数字加到和里面。但是实际上,我们可以换一种思考方式。我们把每一个dp的数值单独来求,我们发现对于dp[i],能够影响它数值的只有起点位置,也即我们只需要找一个最优的其实位置即可。那么有状态转移方程:
如此,时间复杂度是O(N^2)的,对于本题1e5的数据范围来说,并不能够满足要求。但是我们考虑拆分一下表达式。我们定义s[i]=Σa[i],f[i]=Σi*a[i],w[i]=i*s[i]-f[i]。如此表达式可以写成:
我们考虑如果选择j+1和选择k+1作为起点,如果j+1比k+1更优,那么有f[i]-f[j]-j*(s[i]-s[j])>f[i]-f[k]-k*(s[i]-s[k]),整理一下就有(j*s[j]-f[j])-(k*s[k]-f[k])>(j-k)*s[i],也即w[j]-w[k]>(j-k)*s[i]。这显然是一个斜率的形式,我们令斜率:
当满足斜率K>s[i]的时候,从j+1开始会比从k+1开始更优。于是就变成了一个典型的斜率优化问题,我们只需要维护一个斜率单调递减的队列,然后每次选取最优的作为答案即可。
但是与普通斜率优化dp不同的是,本题这里的s[i]并不是单调递增的,也就是说,我们这里的队列头部单调往后移动的,有可能一个东西退队,再下一个时刻有需要它入队,即可能会出现反复入队出队的情况。最朴素的方法是每次在选择最优决策的时候,调整头部往前后两个方向都尝试调整。但是从理论上讲,如何这个头部反复移动多次,很有可能把时间复杂度退化到没有优化的级别。解决这个问题最好的方法就是用二分的方法,在log的时间复杂度内找到临界点,而不是直接移动。但是实际情况下,由于反复移动的比较少,或者说数据可能比较弱,朴素的方式反而更快。具体见代码:
#include <bits/stdc++.h>
#define INF 1e18
#define fi first
#define se second
#define LL long long
#define sc(x) scanf("%d",&x)
#define scc(x,y) scanf("%d%d",&x,&y)
#define sccc(x,y,z) scanf("%d%d%d",&x,&y,&z)
using namespace std;
const int N = 200010;
LL s[N],f[N],w[N];
int a[N],q[N],n;
inline LL Y(int x)
{
return w[x];
}
inline LL X(int x)
{
return x;
}
inline bool judge(int j,int k,int i)
{
return Y(j)-Y(k)>=(X(j)-X(k))*s[i];
}
bool maintain(int i,int j,int k)
{
return (Y(k)-Y(i))*(X(i)-X(j))>(Y(i)-Y(j))*(X(k)-X(i));
}
int main()
{
sc(n);
for(int i=1;i<=n;i++)
{
sc(a[i]);
s[i]=s[i-1]+a[i];
f[i]=f[i-1]+(LL)i*a[i];
w[i]=(LL)i*s[i]-f[i];
}
LL ans=-1e18;
int h=0,t=1;
for(int i=1;i<=n;i++)
{
while (h<t&&judge(q[h+1],q[h],i)) h++;
while (h>0&&judge(q[h-1],q[h],i)) h--;
ans=max(ans,f[i]-q[h]*s[i]+w[q[h]]);
while (t>1&&maintain(q[t],q[t-1],i)) t--;
q[++t]=i;
}
printf("%lld\n",ans);
return 0;
}