PTA-7-1 最大子列和问题

这篇博客探讨了如何使用动态规划解决寻找给定整数序列中最大子列和的问题。博主分享了一种时间复杂度为 O(n) 的解法,并详细解释了状态转移方程,提供了一个具体实现的例子。
摘要由CSDN通过智能技术生成

为什么要开始记录刷题笔记呢?

因为发现自己经常在做完很多题目之后并没有总结和反思,所以才会忘得很快,所以从现在开始把所有值得记录的东西,经过自己思考的东西都记录下来,写成博客。

题目:

给定K个整数组成的序列{ N1, N2, …, N**K },“连续子列”被定义为{ N**i, N**i+1, …, N**j },其中 1≤ijK。“最大子列和”则被定义为所有连续子列元素的和中最大者。例如给定序列{ -2, 11, -4, 13, -5, -2 },其连续子列{ 11, -4, 13 }有最大的和20。现要求你编写程序,计算给定整数序列的最大子列和。

输入:
输入第1行给出正整数K (≤100000);第2行给出K个整数,其间以空格分隔。

输出:

在一行中输出最大子列和。如果序列中所有整数皆为负数,则输出0。

这道题是一道非常经典的动态规划的题目,有关动态规划可以点击查看文章。

动态规划时间复杂度为 O(n)的解法:

首先设置一个数组 dp[],dp[i] 代表以 A[i] 为结尾的连续序列和的最大和。于是通过设置这么一个数组,最大连续子序列和的和辨识数组 dp[] 中的最大值。

由于 dp[i] 是以 A[i] 作为结尾的连续序列的最大和,因此只有两种情况:

  1. 最大和的连续序列只有一个元素,即 A[i] 本身,也就是说 dp[i] = A[i]
  2. 最大和的连续序列 dp[i] = A[j] + A[j+1] +... + A[i],即从前面某个 A[j] 开始一直到 A[i] 结束,如何获得 A[j] +...+A[i-1] 呢?回头看看 dp 定义,dp[i-1]就是从 A[j]+...+A[i-1] 的值,即 dp[i] = dp[i-1] + A[i]

综合上面两种情况,得到了状态转移方程:

dp[i] = max(A[i], dp[i-1] + A[i])

从需要将 i 从小枚举并且依次遍历,就可以得到整个 dp 数组,接着输出该数组中的最大值ÿ
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值