动态规划——最大子数组

上一篇我们用分治法已经将问题的复杂度降低了许多,但是,我们依旧不满足,于是,我们尝试用动态规划来做这道题。

解题思路:
对于这样一个连续和的问题(个人习惯叫做最大连续和),如果我们要用动态规划来解,首先得考虑状态和状态转移方程。如果我们把题述数组看成序列,那么是不是可以用序列DP来考虑呢?
我们不妨考虑一个这样的序列:1,-3,5,-2,4
a[i]表示这个序列的第 i 个元素,dp[i]表示最后一个元素是a[i]的最大连续和(此乃状态,是不是跟LIS的DP解法有点类似),于是:
dp[0] : a[0] ; ( 1 )
dp[1] : max(dp[0] + a[1] , a[1]) ; ( -2 )
dp[2] : max(dp[1] + a[2] , a[2]) ; ( 5 )
dp[3] : max(dp[2] + a[3] , a[3]) ; ( 3 )
dp[4] : max(dp[3] + a[4] , a[4]) ; ( 7 )
所以:ans = 7 (dp数组的最大值)
于是,我们可以得到状态转移方程:dp[i+1] = max(dp[i]+a[i+1] , a[i+1])
写成代码的话,我们可以忽略掉dp数组,直接用一个变量sum来记录 i 之前的最大增量(因为如果这个增量为负,则变为0)
wikioi 3155

#include <bits/stdc++.h>
#define INF 0x3f3f3f3f

using namespace std;

int n,ans,sum,a[1000005];

int main()
{
    while(~scanf("%d",&n))
    {
        for(int i=0;i<n;i++)
            scanf("%d",&a[i]);

        ans=~INF,sum=0;
        for(int i=0;i<n;i++)
        {
            sum+=a[i];
            if(ans<sum)
                ans=sum;
            if(sum<0)
                sum=0;
        }
        printf("%d\n",ans);
    }

    return 0;
}

总结:
果然动规很强啊。。。。

    原文作者:动态规划
    原文地址: https://blog.csdn.net/fuyukai/article/details/44206507
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞