目录
三个无重叠子数组的最大和
描述
给你一个整数数组 nums 和一个整数 k ,找出三个长度为 k 、互不重叠、且 3 * k 项的和最大的子数组,并返回这三个子数组。
以下标的数组形式返回结果,数组中的每一项分别指示每个子数组的起始位置(下标从 0 开始)。如果有多个结果,返回字典序最小的一个。
示例 1
输入:nums = [1,2,1,2,6,7,5,1], k = 2 输出:[0,3,5] 解释:子数组 [1, 2], [2, 6], [7, 5] 对应的起始下标为 [0, 3, 5]。 也可以取 [2, 1], 但是结果 [1, 3, 5] 在字典序上更大。
示例 2
输入:nums = [1,2,1,2,1,2,1,2,1], k = 2 输出:[0,2,4]
提示
方法:前缀和+序列动态规划
若不考虑输出方案,仅是求三个无重叠子数组的最大和的最大值。
只需用动态规划求解即可:定义 f[i][j] 为考虑前 i 个数,凑成无重叠子数组数量为 j 个时的最大值。
最终答案为 f[n - 1][3]f[n−1][3]
不失一般性的考虑 f[i][j] 该如何计算(以最优方案是否包含 nums[i] 进行讨论):
1、最优方案中包含 num[i]
由于这 jj 个无重叠,因此前面的 j - 1j−1 个子数组不能覆盖 [i - k + 1, i][i−k+1,i]。即只能在 [0, i - k][0,i−k] 中选 j - 1j−1 个子数组。此时有:
2、最优方案不包含 num[i]:
当明确了 nums[i] 对最优方案无贡献,此时问题等价于考虑前 i−1 个数,凑成 j 个不重叠子数组的最大值。此时有:
最终 f[i][j] 为上述两种方案中的最大值。
然后考虑如何回溯出字典序最小的具体方案,常规的回溯具体方案的做法是,从最终答案 f[n-1][3] 开始往回追溯。
利用 f[n−1][3] 仅由两个可能的节点(f[n−2][3] 和 f[n−1−k][2])转移而来,通过判断 f[n−1][3] 等于 f[n−2][3] 还是 来决定回溯点为何值。
但该做法只能确保回溯出字典序最大的方案是正确(当两个可能的前驱节点都能转移到 f[i][j] 时优先采纳靠后的位置),而我们需要回溯出字典序最小的方案。
在上述解法的基础上,有两种求解字典序最小具体方案的做法:
- 将正序 DP 调整为反序 DP。修改状态定义为 f[i][j] 为考虑 [i,n−1] 中进行选择,凑出无重叠子数组数量为 j 个时的最大值(最终答案为 f[0][3])。转移过程分析同理,然后从下标 idx=0 开始进行回溯,优先采纳 idx 小的方案即可;
- 仍然采取正序 DP 的做法,但对原数组进行翻转,从而将回溯字典序最大转换为字典序最小具体方案。
为了避免对边界的处理,我们令动规数组 f 和前缀和数组 sun 的下标从 11 开始。
class Solution {
public int[] maxSumOfThreeSubarrays(int[] nums, int k) {
int n = nums.length;
long[] sum = new long[n + 1];
for (int i = 1; i <= n; i++) sum[i] = sum[i - 1] + nums[i - 1];
long[][] f = new long[n + 10][4];
for (int i = n - k + 1; i >= 1; i--) {
for (int j = 1; j < 4; j++) {
f[i][j] = Math.max(f[i + 1][j], f[i + k][j - 1] + sum[i + k - 1] - sum[i - 1]);
}
}
int[] ans = new int[3];
int i = 1, j = 3, idx = 0;
while (j > 0) {
if (f[i + 1][j] > f[i + k][j - 1] + sum[i + k - 1] - sum[i - 1]) {
i++;
} else {
ans[idx++] = i - 1;
i += k; j--;
}
}
return ans;
}
}