PAT 甲级 1007 Maximum Subsequence Sum

PAT 甲级 1007 Maximum Subsequence Sum

最大子段和问题

1. 暴力法

   从i为0到K-1遍历，每次遍历中让j从i到K-1遍历，以找出以i，j为始末下标的最大字段和。

   注意sum初值置为-1，防止出现最大子段和就是0的情况，如果sum置为0，当出现-1 0 0这种数据时，thissum始终无法>sum，最后输出i = 0， j= 2。 而很明显，应当输出i = j = 1

   // 1007 Maximum Subsequence Sum.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
   //
   
   #include <iostream>
   using namespace std;
   
   int a[10000];
   int main()
   {
       int K, sum = -1;
       cin >> K;
       int besti = 0, bestj = K - 1;
       for (int i = 0; i < K; i++) {
           cin >> a[i];
       }
       for (int i = 0; i < K; i++) {
           int thissum = 0;
           for (int j = i; j < K; j++) {
               thissum += a[j];
               if (thissum > sum) {
                   sum = thissum;
                   besti = i;
                   bestj = j;
               }
           }
       }
       if (sum < 0) sum = 0;
       cout << sum << " " << a[besti] << " " << a[bestj];
       return 0;
   }
   

   2. 动态规划

      动态规划是分治法的升级版，它适用于将问题分解为多个子问题后，子问题有重复计算的情况，此时若仍旧使用分治法，消耗的无谓时间非常高。而动态规划方法将子问题计算得到的结果保存起来，需要使用时直接使用，避免重复计算。

      在这题中，我们将记录最大子段分解为各个小字段，记录每段连续子段和，期间找出最大值。当temp ==0时，说明这个数及它之前的数相加之和为负数，所以直接舍去——与负数相加肯定会使得到的和变小。所以将index置为该数的下一位。当temp > sum，更新下标与sum。

      // 1007 Maximum Subsequence Sum.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
      //
      
      #include <iostream>
      using namespace std;
      
      int a[10000];
      int main()
      {
          int K, sum = -1;
          cin >> K;
          int besti = 0, bestj = K - 1, temp = 0, tempindex = 0;
          for (int i = 0; i < K; i++) {
              cin >> a[i];
              temp += a[i];
              if (temp < 0) {
                  tempindex = i + 1;
                  temp = 0;
              }
              else if (temp > sum) {
                  sum = temp;
                  besti = tempindex;
                  bestj = i;
              }
          }
          if (sum < 0) sum = 0;
          cout << sum << " " << a[besti] << " " << a[bestj];
          return 0;
      }