2025年4月13日星期日 6:36am

动态规划经典题目——最大连续子序列之和

25-03-07 18:21

4487

11874

blog.csdn.net

id="article_content" class="article_content clearfix"> id="content_views" class="htmledit_views">

一、题目

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。

二、解题思路

动态规划解题思路可详见另一篇文章。

①定义状态

为了简单起见，我们可以定义dp[i]来表示以a[i]作为末尾的连续序列之和。其中数组a[]表示整数的序列。所以我们求的连续子序中元素和最大的一个数是数组dp中的最大数。

②定义状态转移方程

大家知道动态规划满足无后向性，即：每个阶段的决策仅受之前决策的影响，但是不影响之后各阶段的决策。所以我们可以从后往前推出状态转移方程，我们可以考虑dp[i]与dp[i-1]的关系，设连续序列中的元素保存在数组a[]中，是否一定dp[i] = dp[i-1] +a[i]?答案是不一定的，我们考虑一下只有dp[i-1] + a[i] > a[i]时才可能有dp[i] = dp[i-1] +a[i]等式成立，否则dp[i]可以从a[i]重新算起，这样我们可以得到状态转移方程：

dp[i] = max(dp[i-1] + a[i] , a[i])

从公式中我们可以看出为什么dp[i]来表示以a[i]作为末尾的连续序列之和。

③确定边界

由状态定义我们可以得出当i = 0时，dp[0] = 0;

三、代码编写

 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="1">

class="hljs-ln-code"> class="hljs-ln-line">#include

class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="2">

 class="hljs-ln-code"> class="hljs-ln-line">#include  class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="3"> class="hljs-ln-code"> class="hljs-ln-line"> 
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="4"> class="hljs-ln-code"> class="hljs-ln-line">#define N 7
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="5"> class="hljs-ln-code"> class="hljs-ln-line">#define max(a,b) ((a>b)?a:b)
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="6"> class="hljs-ln-code"> class="hljs-ln-line"> 
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="7"> class="hljs-ln-code"> class="hljs-ln-line">int main()
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="8"> class="hljs-ln-code"> class="hljs-ln-line">{
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="9"> class="hljs-ln-code"> class="hljs-ln-line">    int a[N] = {0,-2,11,-4,13,-5,-2};
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="10"> class="hljs-ln-code"> class="hljs-ln-line">    //保存最大连续子序列之和
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="11"> class="hljs-ln-code"> class="hljs-ln-line">    int maxResult = 0;
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="12"> class="hljs-ln-code"> class="hljs-ln-line">    //dp[i]来表示以a[i]作为末尾的连续序列之和
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="13"> class="hljs-ln-code"> class="hljs-ln-line">    int dp[N]={0};
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="14"> class="hljs-ln-code"> class="hljs-ln-line">    //核心算法
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="15"> class="hljs-ln-code"> class="hljs-ln-line">    int i=1;
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="16"> class="hljs-ln-code"> class="hljs-ln-line">    for(i;i < N;i++){
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="17"> class="hljs-ln-code"> class="hljs-ln-line">        dp[i] = max((dp[i-1]+a[i]),a[i]);
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="18"> class="hljs-ln-code"> class="hljs-ln-line">        if(maxResult < dp[i]){
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="19"> class="hljs-ln-code"> class="hljs-ln-line">            maxResult = dp[i];
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="20"> class="hljs-ln-code"> class="hljs-ln-line">        }
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="21"> class="hljs-ln-code"> class="hljs-ln-line">    }
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="22"> class="hljs-ln-code"> class="hljs-ln-line">    printf("最大连续子序列之和:%d ",maxResult);
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="23"> class="hljs-ln-code"> class="hljs-ln-line"> 
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="24"> class="hljs-ln-code"> class="hljs-ln-line">    return 0;
 class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="25"> class="hljs-ln-code"> class="hljs-ln-line">}

class="hide-preCode-box">

class="hljs-button signin active def" data-title="登录复制" data-report-click="{"spm":"3001.10243"}" onclick="hljs.signin(event)">' class="code-edithtml " data-title="运行"> data-report-click="{"spm":"3001.10182","extra":{"index":0,"ab":"exp1"}}" class="code-edithtml-box code-edithtml-box0">运行>

四、运行结果

五、总结

动态规划需要满足无后向性，可用逆向思维推出状态转化方程，动态规划解题方法可详见另一篇文章。

>>

注：本文转载自blog.csdn.net的仁者乐山智者乐水的文章"https://blog.csdn.net/qq_39559641/article/details/98626090"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。

复制链接

发表评论

注册

评论记录：

未查询到任何数据！