题目描述:
一个下标从 0 开始的数组的 交替和 定义为 偶数 下标处元素之 和 减去 奇数 下标处元素之 和 。
比方说,数组 [4,2,5,3] 的交替和为 (4 + 5) - (2 + 3) = 4 。
给你一个数组 nums ,请你返回 nums 中任意子序列的 最大交替和 (子序列的下标 重新 从 0 开始编号)。
一个数组的 子序列 是从原数组中删除一些元素后(也可能一个也不删除)剩余元素不改变顺序组成的数组。比方说,[2,7,4] 是 [4,2,3,7,2,1,4] 的一个子序列(加粗元素),但是 [2,4,2] 不是。
示例 1:
输入:nums = [4,2,5,3]
输出:7
解释:最优子序列为 [4,2,5] ,交替和为 (4 + 5) - 2 = 7 。
示例 2:
输入:nums = [5,6,7,8]
输出:8
解释:最优子序列为 [8] ,交替和为 8 。
示例 3:
输入:nums = [6,2,1,2,4,5]
输出:10
解释:最优子序列为 [6,1,5] ,交替和为 (6 + 5) - 1 = 10 。
提示:
1 <= nums.length <= 105
1 <= nums[i] <= 105
来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/maximum-alternating-subsequence-sum
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
题解一:动态规划
这是一道典型的动态规划思想解决的问题:将问题分成若干个子问题,通过依次求解子问题的最优解来获得整体的最优解。
我们令 dp[i][0] 和 dp[i][1] 表示数组 nums 的 0 1 2……i 的 前缀子序列 分别选取 偶数个数 和 奇数个数 时和的最大值。
现在有了状态,我们来推到 状态转移方程 ,即如何从前一个状态 i-1 得到下一个状态 i 的最优解:
从 i-1 到 i ,明显我们能想到只有 两个选择:
1.选取 nums[i] 加入和
2.不选取 nums[i] 加入和
那么,对于 dp[i][0] ,
如果它选取了 i 加入和,那么 i-1 时一定是 奇数 ,即当前和为 dp[i-1][1]+nums[i];
如果它不选取 i 加入和,那么 i-1 时一定还是 偶数 ,即当前和为 dp[i-1][0]。
为了得到 局部最优解,我们要选取上述两个值的最大值作为 dp[i][0] 的值,即:
dp[i][0]=max(dp[i-1][1]+nums[i],dp[i-1][0]);
同理,我们能得到 dp[i][1] 的状态转移方程:
dp[i][1]=max(dp[i-1][0]-nums[i],dp[i-1][1]);
好\(^o^)/~!现在状态转移方程已经解决了,我们只需要确定 最初状态 和 最优解 就行了。
最初状态很容易得出,因为第一个数 nums[0] 只有选取和不选取两种情况,即:
dp[0][0]=nums[0];
dp[0][1]=0;
而最优解,即考虑 dp[length-1][0] 和 dp[length-1][1] 哪个是更大的值。
因为最后一个选取的奇数位置的数一定是减去的,所以 dp[length-1][0] 肯定是更优解。
代码如下:
class Solution {
public:
long long maxAlternatingSum(vector<int>& nums) {
long long dp[100005][2]; //dp[i][0]为i的前缀子序列且最后一个数为偶数的最优解,dp[i][1]为奇数
memset(dp,0,sizeof(dp));
dp[0][0]=nums[0]; //初始状态
dp[0][1]=0;
int n=nums.size()-1;
for(int i=1;i<=n;i++)
{
dp[i][0]=max(dp[i-1][1]+nums[i],dp[i-1][0]);
dp[i][1]=max(dp[i-1][0]-nums[i],dp[i-1][1]);
}
return dp[n][0]; //最优解的位置
}
};
复杂度分析:
线性算法,时间复杂度为 O(N) ,空间复杂度也为 O(N)。
优化算法:
优化算法来自官方题解,可以节省空间,使得空间复杂度为常数级别。
原理即 i 之前的dp状态不需要再记录,可以直接用两个常量代替dp数组。
even 即奇数最优解,odd 即偶数最优解。
class Solution {
public:
long long maxAlternatingSum(vector<int>& nums) {
long long even = nums[0], odd = 0;
for (int i = 1; i < nums.size(); i++) {
even = max(even, odd + nums[i]);
odd = max(odd, even - nums[i]);
}
return even;
}
};
作者:LeetCode-Solution
链接:https://leetcode.cn/problems/maximum-alternating-subsequence-sum/solution/zui-da-zi-xu-lie-jiao-ti-he-by-leetcode-epqrk/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。