1007 Maximum Subsequence Sum

最新推荐文章于 2025-04-06 22:32:11 发布

Moliay

最新推荐文章于 2025-04-06 22:32:11 发布

阅读量369

点赞数 10

分类专栏： pat 甲级文章标签：动态规划图论算法

本文链接：https://blog.youkuaiyun.com/Moliay/article/details/137158367

版权

本文介绍了如何使用动态规划算法解决求解给定整数序列中最大连续子序列和的问题，同时提供了两种实现方式，一种是通过dp数组存储以每个元素为结尾的最大和，另一种是利用l和r坐标记录子序列边界。当最大和为负时，规定为0并返回首尾元素。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述

solution

找到最大连续子序列和，并返回对应方案的首尾元素，若有多组则返回下标最小的组。若最大子序列和为负数，规定最大和为0，返回整个序列的首尾元素。
状态dp[i]是以a[i]为结尾的最大子序列和，状态转移方程为dp[i] = max(a[i], dp[i-1] + a[i])。
p[i]记录以a[i]为结尾的方案起始元素坐标或者直接用l,r两个坐标维持当前方案边界。
注意的是，方案选择上判断的是元素下标，而需要输出的是元素值。

#include<iostream>
#include<algorithm>
using namespace std;
const int maxn = 10010;
int a[maxn], dp[maxn], p[maxn] = {
   0};//a[i]存放序列，dp[i]存放以a[i]为结尾的连续序列的最大和 
int main(){
   
	int n, ans, ansp = 0;
	scanf("%d", &n);
	for(int i = 0; i < n; i++)