python数组区间_今日头条编程题——给定一个数组序列，需要求选出一个区间，使得该区间是所有区间中“区间中的最小数 * 区间所有数的和”的值最大的一个...

题目描述

给定一个数组序列，需要求选出一个区间，使得该区间是所有区间中经过如下计算的值最大的一个：

区间中的最小数 * 区间所有数的和

最后程序输出经过计算后的最大值即可，不需要输出具体的区间。如给定序列 [6 2 1]则根据上述公式，可得到所有可以选定各个区间的计算值：

[6] = 6 * 6 = 36;

[2] = 2 * 2 = 4;

[1] = 1 * 1 = 1;

[6,2] = 2 * 8 = 16;

[2,1] = 1 * 3 = 3;

[6, 2, 1] = 1 * 9 = 9;

从上述计算可见选定区间[6]，计算值为36， 则程序输出为36。

区间内的所有数字都在[0, 100]的范围内;

输入描述:

第一行输入数组序列个数，第二行输入数组序列。

输出描述:

输出数组经过计算后的最大值。

输入例子

3

6 2 1

输出例子

36

第一次思考

我就看到这个给的输入输出例子，心想这最大值不是可明显的嘛。就是这个数组的最大值的平方，与数组中的最小值再与数组所有元素和，这两者再取个最大值就行了噻。虽然心里想着头条的题怎么可能这么简单，但还是大胆地去提交了代码(python3.5)：

def max_region(arr):

max1 = max(arr) * max(arr)

max2 = min(arr) * sum(arr)

print(max(max1, max2, min(arr)*sum(arr)))

if __name__ == '__main__':

n = int(input())

arr = [int(i) for i in input().split()]

max_region(arr)

嘿，你看这个通过率还有75%呢，我还挺高兴的

好孩子怎么能不追求100%的正确率呢？于是我想了想这个显示的错误案例。明显我程序的输出9025，即是数组中最大值95的平方。数组中最小值 与 数组所有元素之和 的乘积，确实是小于9025的。所以，25818是怎么个结果呢？

第二次思考

让我们再来认真地从头到尾看一遍题。

“ 要求选出一个区间，使得该区间是所有区间中经过如下计算的值最大的一个：区间中的最小数*区间所有数的和 ”

看清楚了吧？所以给的案例中为什么：[6] = 6 * 6 = 36 ？这不是指的数组最大值的平方，而是选取了原数组中[6]这个区间，这个区间只有一个数，所以该区间的最小数、以及区间所有数的和都是它本身，所以这个区间返回的值是36。

那么对于原数组来说，取的所有单个值的区间，肯定是最大值对应的那个单值区间乘积最大，这还是没错的。同样，对于原数组来说，取其最小值，和所有值的和，的乘积，是这个数组中最长区间的最大值，这也是没有错的。

然而，对于其他多个数组合的区间，可就不一定了。

举个例子：[24 3 44 76 83]，原数组整个区间的 “区间中的最小数 * 区间所有数的和”= 3 * (24+3+44+76+83)= 690，而实际上它的子区间[44 76 83]对应的 “区间中的最小数 * 区间所有数的和” = 44 * (44+76+83)= 8932。谁大谁小就不用多说了哈 ~

所以说，我们得去遍历可能的区间，比较究竟哪个 “区间中的最小数 * 区间所有数的和”才是真正的最大值。如果这个区间包含数组中的最小值，那肯定是整个区间的结果最大；如果这个区间的最小值比整个数组的最小值要大，那就得比较到底哪个区间会得到真正的最大值。

用递归来可以试一试。

首先获得原数组整个区间中的最小值；

计算原数组整个区间的和 与 其最小值 的乘积；

比较这个乘积是否大于当前的最大值，如果是，就需要更新；

将原数组，按照整个区间最小值对应的索引，分割成两个区间，对这两个区间，回到步骤1进行递归调用

按照这个思路的代码(python3.5)如下：

maxs = 0

def max_region(arr):

global maxs

if not arr: # 递归的结束条件

return maxs

max1 = min(arr) * sum(arr)

maxs = max(max1, maxs)

min_index = arr.index(min(arr))

# 包含min(arr)的区间，一定是整个区间中的计算结果最大，则以min(arr)对应的索引分割原数组，对得到的左右两个区间分别递归比较

return max(max_region(arr[0:min_index]), max_region(arr[min_index+1:]), maxs)

if __name__ == '__main__':

n = int(input())

arr = [int(i) for i in input().split()]

print(max_region(arr))

结果显示结果如下：

第三次思考

我们知道，一般递归会有很多重复计算，转成动态规划的话会得到优化。这道题用动态规划如何做？

这位大佬https://blog.csdn.net/alixia111/article/details/80455950的博客写出了Java的动态规划解法，但是最终通过率也只是70%。按照大佬的思路，我们需要定义2个 int[arr.length][arr.length] 的矩阵，分别计算dp_min[i][j]，dp_sum[i][j]。dp_min[i][j]表示开始于 i 结束于 j 的区间最小值，dp_sum[i][j]表示开始于 i 结束于 j 的区间所有数之和。

对于序列arr中开始于i，结束于j的 区间中的最小数 * 区间所有数的和= dpmin[i][j] * dpsum[i][j]，然后遍历求积最大即可。

博客后面提到了，本题能正确通过的思路是：按照y轴升序，x轴降序排序，然后从最后一个元素开始，始终与(y后者x)最大元素做对比，如果比最大元素大，就保存到栈中，然后把最大元素更新；如果小于最大元素，那么就查看下一个元素。

这……都是个啥……

第四次思考-放弃思考

拜服牛客各大佬们 https://www.nowcoder.com/questionTerminal/e6e57ef2771541dfa2f1720e50bebc9a

LeetCode84. Largest Rectangle in Histogram 题目的变种。

主要思路是以每个数作为最小值，找到它的左边界和右边界，然后最小值乘以边界的累加和；如果是遍历每个值找其左右边界，会超时(应该只能ac70%左右)；使用压栈的方法可以使得递增的序列不用重复计算其左右边界(最终用时136ms)。

分享一个看起来比较简单的、可以完全通过的C++代码(大佬写的，待我再好好想一下……)：

#include #include #include using namespace std;

int main()

{

int n;

while(cin >> n)

{

int a[n];

for(int i=1; i<=n; i++)

{

cin >> a[i];

}

int Max1 = 0;

for(int i=1; i<=n; i++)

{

int Min1 = a[i];

int sum = a[i];

for(int j=i-1; j>=1; j--)

{

if(a[j] >= Min1)

{

sum += a[j];

}

else break;

}

for(int j=i+1; j<=n; j++)

{

if(a[j] >= Min1)

{

sum += a[j];

}

else break;

}

Max1 = max(Max1, sum*Min1);

}

cout << Max1 << endl;

}

return 0;

}

我枯了……