1007 Maximum Subsequence Sum (25 分) 动态规划

最新推荐文章于 2024-12-16 14:46:31 发布

原创最新推荐文章于 2024-12-16 14:46:31 发布 · 150 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#动态规划 #算法 #leetcode #数据结构 #字符串

这篇博客介绍了一种使用动态规划求解最大子序列和的方法，代码实现中涉及了选择当前元素与不选择的区别，并通过pre数组记录开始位置。在所有数为负数时，最大和定义为0，并输出序列起始和结束的数。程序通过遍历数组，更新dp和pre数组，最终找到最大子序列和及其起始位置。

题目链接
首先这是一道动态规划,动态规划
然后就是选与不选的问题
如果选就是dp[i] =dp[i-1]+num[i];
如果不选是 dp[i] = num[i];
pre数组用于记录开始的位置
如果选pre[i] = pre[i - 1];
这样他就一直保持着开始选的那个位置
如果不选pre[i] = i;
然后就完成啦,dp保存的是到i的位置的最大的值
当然这里还需要注意这一句

If all the K numbers are negative, then its maximum sum is defined to be 0, and you are supposed to output the first and the last numbers of the whole sequence.

这里当然就是说如果所有的数都是复数然后就这样输出就可以了

if (Maxvalue == -1) {
        cout << "0" << " " <<num[0]<< " "<<num[n-1];
    }

#include<iostream>
#include<algorithm>
using namespace std;
int dp[10100];
int num[10100];
int pre[10100];
int main()
{
    int n;
    cin >> n;
    for (int i = 0; i < n; i++) {
        cin >> num[i];
    }
    dp[0] = num[0];
    pre[0] = 0;
    for (int i = 1; i < n; i++) {
        if (num[i] > dp[i - 1] + num[i]) {
            dp[i] = num[i];
            pre[i] = i;
        }
        else {
            dp[i] =dp[i-1]+num[i];
            pre[i] = pre[i - 1];
        }
    }
    int Maxindex, Maxvalue = -1;
    for (int i = 0; i < n; i++) {
        if (dp[i] > Maxvalue) {
            Maxvalue = dp[i];
            Maxindex = i;
        }
    }
    if (Maxvalue == -1) {
        cout << "0" << " " <<num[0]<< " "<<num[n-1];
    }
    else {
        cout << Maxvalue << " " << num[pre[Maxindex]] << " " << num[Maxindex];
    }
    return 0;
}