21天编程打卡活动Day8

日期： 2024.10.31
题目：

解题思路：
这个问题是一个典型的动态规划问题，其目标是在不选择相邻元素的情况下找到子序列的最大和。算法的核心思想是使用线段树（Segment Tree）来高效地处理查询和更新操作。下面是算法思想的详细说明：

1. 状态定义

我们定义四个状态来表示不同选择条件下的最大子序列和：

• f00：不选第一个元素，也不选最后一个元素。
• f01：不选第一个元素，可选最后一个元素。
• f10：可选第一个元素，但不选最后一个元素。
• f11：可选第一个元素，也可选最后一个元素，即没有任何限制。

2. 状态转移

基于上述状态，我们可以推导出状态转移方程：

• f00：只能从不选第一个元素的状态转移而来，即 f00 和 f10。
• f01：可以从 f00 和 f11 转移而来，因为可以选择最后一个元素。
• f10：可以从 f00 和 f11 转移而来，因为可以选择第一个元素。
• f11：可以从所有状态转移而来。

3. 线段树的构建

使用线段树来存储这些状态，线段树的每个节点存储上述四个状态。通过递归地构建线段树，我们可以高效地初始化整个数组的状态。

4. 线段树的更新

对于每个查询，我们需要更新数组中的某个元素。通过线段树，我们可以快速地定位到需要更新的位置，并更新相应的状态。

5. 线段树的维护

每次更新或构建后，需要通过 maintain 函数来合并左右子树的信息，确保线段树的每个节点都正确地反映了其子树的状态。

6. 查询处理

对于每个查询，我们更新线段树，然后查询没有任何限制的最大子序列和（即 f11 状态）。通过累加这些查询的结果，我们可以得到最终的答案。

7. 优化

由于问题要求对1e9+7取模，我们在每次累加后都对结果进行取模操作，以避免整数溢出。

总结

这个算法通过线段树实现了动态规划的状态存储和快速更新，使得我们可以高效地处理大量的查询和更新操作。通过状态转移和线段树的合并操作，我们可以快速地计算出在不选择相邻元素的情况下的最大子序列和。

代码：