程序设计思维与实践 Week12 Blog

本文探讨了一个关于从n个数字中挑选m个不相交的段,使其和最大的问题。通过定义状态dp[i][j]来表示取到第j个数时挑出i个段的和的最大值,使用动态规划解决此问题。文章详细介绍了如何通过降低维度来节省空间,最终实现从二维降至一维的状态转移。

一、大纲

本周作业与实验题目如下:

  • 必做题3

二、逐个击破

1.必做题3

题目描述

  东东每个学期都会去寝室接受扫楼的任务,并清点每个寝室的人数。
  每个寝室里面有ai个人(1<=i<=n)。从第i到第j个宿舍一共有sum(i,j)=a[i]+…+a[j]个人.这让宿管阿姨非常开心,并且让东东扫楼m次,每一次数第i到第j个宿舍sum(i,j)
  问题是要找到sum(i1, j1) + … + sum(im,jm)的最大值。且ix <= iy <=jx和ix <= jy <=jx的情况是不被允许的。也就是说m段都不能相交。
  注:1 ≤ i ≤ n ≤ 1e6 , -32768 ≤ ai ≤ 32767 人数可以为负数。。。。(1<=n<=1000000)

  1. Input

  输入m,输入n。后面跟着输入n个ai 处理到 EOF

  1. Output

  输出最大和

题目分析

  • 题目需要完成的任务:从n个数字当中挑出m个不相交的段,使其和最大。
  • 定义状态 dp[i][j]dp[i][j]dp[i][j] 表示取到第j个数时挑出i个段的和的最大值。那么转移时需要考虑:当前数字属于之前的段,那么段数没有改变;或者之前仅挑出i-1个段,当前数属于新的段。取这两者间的较大者即可。
  • 需要注意空间问题。因为我们计算 dp[i][j]dp[i][j]dp[i][j] 时用到的信息只有 dp[i][j−1]dp[i][j-1]dp[i][j1]dp[i−1][k]dp[i-1][k]dp[i1][k] 的最大者,后者是可以单独更新的,可以将维度降低,因此从二维降至一维,进而节省空间。

   所以这道题目具体的代码如下:

#include<iostream>
#include<string.h>
using namespace std;
const int inf=1e9;
const int N=1e6+10;
int a[N];
int  dp[N];
int fmax[N];
int main() {
	int m,n;
	while(~scanf("%d%d",&m,&n))
	{
		for(int i=1;i<=n;i++)
			scanf("%d",&a[i]);
		int ans;
		dp[0]=0;
		memset(fmax,0,sizeof(fmax));
		for(int i=1;i<=m;i++)
		{
			ans=-inf;
			for(int j=i;j<=n;j++)
			{
				dp[j]=max(dp[j-1]+a[j],fmax[j-1]+a[j]);
				fmax[j-1]=ans;
				ans=max(ans,dp[j]);
			}
		}
		printf("%d\n",ans);
	}
	return 0;
}
### 山东大学程序设计思维 Week5 旅途不止 相关内容 根据已知的信息,山东大学《程序设计思维实践》课程在第五周的内容涉及多个编程挑战问题,其中包括但不限于“巨石迷阵”、“有惊无险”、“天降甘霖”以及“终而复始”。这些题目通常围绕算法优化、数据结构应用等方面展开[^1]。 对于具体提到的“旅途不止”,虽然未直接提及该题目的详细描述,但从课程整体风格推测,“旅途不止”可能是一个综合性的动态规划或者区间查询类问题。这类问题往往需要处理大规模输入数据(如 \(n < 5 \times 10^5\)),并要求实现高效的解决方案以满足时间复杂度的要求。 以下是基于常见模式的一个假设性解答框架: #### 可能的解法思路 为了高效解决此类问题,可以采用如下方法: - **差分数组技术**:当涉及到频繁修改某个区间的值时,差分数组是一种非常有效的工具。通过维护一个辅助数组 `diff` 来记录原始数组的变化情况,在最后统一计算前缀和即可得到最终结果。 ```python def solve(n, s, queries): diff = [0] * (n + 2) # 初始化差分数组 for l, r in queries: diff[l] += 1 # 左端点加一 diff[r + 1] -= 1 # 右端点之后减去 result = [] current_sum = 0 # 当前累积和初始化为零 for i in range(1, n + 1): # 构造实际的结果序列 current_sum += diff[i] result.append(current_sum) return ''.join([str(x) for x in result]) ``` 上述代码片段展示了如何利用差分数组来快速更新大量连续区域内的数值变化,并能够在线性时间内完成整个过程[^2]。 #### 数据预处理的重要性 针对本题中的字符串操作部分,提前做好必要的转换工作同样至关重要。例如将字符映射成对应的整数形式以便后续更方便地执行逻辑判断等步骤。这种做法不仅简化了编码难度还提高了运行效率。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值