PAT-AL 1007. Maximum Subsequence Sum

1、知识点:求最大连续子串和
2、思路:用temp_sum保存子串和,如果temp_sum>=0,那么temp_sum+=arri;如果temp_sum<0, temp_sum = arr[i]。判断temp_sum 是否大于sum(当前最大子串和),如果是就更新sum。

/*用途:
**说明:
**算法:
*/

//#define LOCAL
#include <cstdio>
using namespace std;
typedef long long LL;
#define MAXK 10000+10
int arr[MAXK];

int main()
{
#ifdef LOCAL
    freopen(".in", "r", stdin);
    freopen(".out", "w", stdout);
#endif

    int K;
    scanf("%d", &K);
    for(int i=0; i<K; i++)
        scanf("%d", &(arr[i]));

    LL sum=0, temp_sum=0;
    int start=0, end=K-1, temp_start=0, temp_end;  //保存下标
    for(int i=0; i<K; i++){
        if(temp_sum >= 0){
            temp_sum += arr[i];
            temp_end = i;
        }
        else{
            temp_sum = arr[i];
            temp_start = temp_end = i;
        }

        //(temp_sum==0 && end==K-1)排除类似-6 6 这种情况, 
        //即:temp_sum恰好为0而sum一直未更新
        if(temp_sum > sum || (temp_sum==0 && end==K-1)){  
            sum = temp_sum;
            start = temp_start;
            end = temp_end;
        }
    }

    printf("%lld %d %d", sum, arr[start], arr[end]);

    return 0;
}
### 最大子序列问题的解决方法 最大子序列问题是经典的算法问题之一,目标是从给定数组中找到一个连续子序列,使得该子序列中的元素之达到最大值。以下是基于动态规划的思想实现的一个高效解决方案。 #### 动态规划法 通过维护两个变量 `current_sum` `max_sum` 来记录当前子序列的最大以及全局范围内的最大。遍历整个数组一次即可完成计算: ```python def max_subsequence_sum(nums): current_sum = 0 max_sum = float('-inf') # 初始化为负无穷大 for num in nums: current_sum = max(num, current_sum + num) # 更新当前子序列 max_sum = max(max_sum, current_sum) # 更新全局最大 return max_sum ``` 上述代码的时间复杂度为 \(O(n)\),其中 \(n\) 是输入列表的长度[^1]。 #### 示例运行 假设我们有如下输入数据: ```python nums = [-2, 1, -3, 4, -1, 2, 1, -5, 4] result = max_subsequence_sum(nums) print(result) # 输出应为6 (子序列为 [4,-1,2,1]) ``` 此方法的核心在于每次迭代都决定是否将当前数加入到现有子序列或者重新开始一个新的子序列。 #### 非连续子序列的情况 如果允许选取非连续的子序列,则可以采用贪心策略来解决问题。对于这个问题的具体实现方式已经在 JavaScript 的例子中有体现。然而,在 Python 中可以通过简单的排序加累加操作快速得到结果: ```python def non_contiguous_max_subsequence_sum(nums): positive_nums = sorted([num for num in nums if num > 0], reverse=True) total = sum(positive_nums) return total if total != 0 else max(nums) # 测试用例 nums = [7, 2, -8, 4, 10, -2] result = non_contiguous_max_subsequence_sum(nums) print(result) # 应输出23 ``` 这里需要注意的是当所有数值均为负数时需单独处理以确保返回最大的单个元素作为结果。 ### 结论 无论是针对连续还是非连续情况下的最大子序列求问题都可以借助不同的优化手段有效解决。前者依赖于线性的扫描过程而后者则可能涉及更复杂的逻辑判断或额外的数据结构支持。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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