首页 > 学院 > 开发设计 > 正文

夕拾算法进阶篇:13)最大连续子序列(动态规划DP)

2019-11-14 10:01:53
字体:
来源:转载
供稿:网友
题目描述给定K个整数的序列{ N1, N2, ..., NK },其任意连续子序列可表示为{ Ni, Ni+1, ..., Nj },其中 1 <= i <= j <= K。最大连续子序列是所有连续子序列中元素和最大的一个,例如给定序列{ -2, 11, -4, 13, -5, -2 },其最大连续子序列为{ 11, -4, 13 },最大和为20。现在增加一个要求,即还需要输出该子序列的第一个和最后一个元素。输入测试输入包含若干测试用例,每个测试用例占2行,第1行给出正整数K( K<= 10000 ),第2行给出K个整数,中间用空格分隔,每个数的绝对值不超过100。当K为0时,输入结束,该用例不被处理。输出对每个测试用例,在1行里输出最大和、最大连续子序列的第一个和最后一个元素,中间用空格分隔。如果最大连续子序列不唯一,则输出序号i和j最小的那个(如输入样例的第2、3组)。若所有K个元素都是负数,则定义其最大和为0,输出整个序列的首尾元素。样例输入5-3 9 -2 5 -43-2 -3 -10样例输出12 9 5

0 -2 -1

先不考虑其序列的首末位置,考虑数组A[i]={-2,11,-4,13,-5,-2}。令状态dp[i]表示以A[i]作为末尾的连续和的最大和,那么有以下过程

dp[0]=-2

dp[1]=11 (11+-4=7)

dp[3] =20 (11+(-4)+13=20)

dp[4]=15 (20-5=15)

dp[5]=13  (15-2=13)

事实上,最大和就是max(dp[i]),从而可以得到下面的状态转移方程:

dp[i]=max(A[i],dp[i-1]+A[i])    (边界为A[0]=dp[0])

很明显,dp[i]具有状态无关性。dp[i]只跟当前的A[i]和它上一个dp[i-1]无关。所有只用2个变量即可记录序列的起始位置。

#include<iostream>#include<algorithm>using namespace std; const int M=10002;int a[M];int dp[M];int main(){	//ts->temp start,te->temp end,fs->final start	int n,i,max,fs,fe,ts,te;	while(scanf("%d",&n),n){		for(i=0;i<n;i++){			scanf("%d",a+i);		}		max=te=ts=dp[0]=a[0];		for(i=1;i<n;i++){			if(dp[i-1]+a[i]>a[i]){				dp[i]=dp[i-1]+a[i];				te=a[i]; //修改末端位置 			}else{				dp[i]=te=ts=a[i];//重新开始 			}			if(max<dp[i]){//取最大的dp 				max=dp[i];fe=te;fs=ts;			}		}		if(max<0){ //所有数都小于0 		 	max=0;fs=a[0];fe=a[n-1];		}		PRintf("%d %d %d/n",max,fs,fe);	}}题目来源:http://www.codeup.cn/problem.php?cid=100000626&pid=0


发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表