最大m子段和动态规划_动态规划解决最大连续子序列问题

先给出题目图片：

简要描述一下题目就是：给出一串数字序列，让你在里面找一串相连的数字，它们的和是所有相连的数字中最大的。

题目链接：http://acm.hdu.edu.cn/showproblem.php?pid=1231

这个问题怎么解决呢？当然你可以枚举，找出所有的子序列，把每个子序列的和都算一遍，在找到里面最大的。这方法是可行的，但缺陷是时间复杂度太大。

现在我们讲讲用动态规划的思路：

先给出一串数字 ： -9 1 -5 4 3 -6 7 8 -2

思路：用DP[i]表示以第i个元素（记为A[i]）为结尾的连续子序列的最大值。（注意一定是以第i个元素为结尾，这个理解错了就不能理解整个算法思路）。

然后当DP[i-1] <0 时 DP[i] = A[i] ,

当DP[i-1]>=0时 DP[i] = DP[i-1] + A[i] 。

一句代码描述就是：DP[i] = （ DP[i-1]>=0 ? DP[i-1]+A[i] : A[i] ）

然后DP【0】表示没有数字，故DP【0】 = 0 ；

有了递归方程就可以计算了。

根据上诉思路求出数字串 ： -9 1 -5 4 3 -6 7 8 -2 各个位置的DP[i]

DP【0】 = 0 ；

DP【1】 = A[1] + DP[0] = -9 ； // DP[0] = 0

DP【2】= A[2] = 1 ； // DP【1】=-9< 0

DP【3】= DP[2] + A【3】 = -4 ； // DP【2】= 1 >0

DP[4] = A[4] = 4 ; // DP【3】 = -4 <0

....

....

写出所有DP[i]如下图：

找出DP【i】中最大为16 ，故上诉数字最大连续子序列的和为16.

且知道是由4 3 -6 7 8 组成。

最后解释一下DP【i】为什么是以A[i] 为结尾的连续子序列呢？

这是因为如果结尾不是A[i]的话，在考虑是否加进A[i+1]的时候就不能保持连续的性质了。这是理解这个思路比较重要的点。理解了这个这个算法也就不难理解了。