PAT甲级真题1007. Maximum Subsequence Sum

本文介绍了解决PAT-A-1007问题的一种方法,该问题要求找出给定整数数组中连续子数组的最大和及对应的起始和结束元素。通过分析题目要求和数据规模,采用双指针法高效地解决了问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目链接:https://www.patest.cn/contests/pat-a-practise/1007



题意:给我们n个数,让我们输出这n个数中连续和最大的一段的和,以及这段的起始的数和结尾的数(注意是输出数不是下标),如果所有数都是负数,那么我们输出最大和0并输出第1个数和第n个数。

首先我们可以分析复杂度,n的范围是10000,那么n^2的遍历的复杂度应该能够过,所以直接存储前缀和,再进行n^2暴力遍历应该是可行的。

当然暴力是不提倡的,这里我们还是用双指针的方法来求解。那么我们的指针要怎么进行更新呢,首先如果我们初始双指针都指向0的位置,然后我们移动右指针,并计算中间这段的和,如果当前段内的和小于等于0,我们则舍弃这段,将左指针移动到右指针处。这里有一点需要注意,当第一次出现两个指针都指向0的时候,我们需要更新,举个例子:-1 0 -2这组数据,如果我们最大值不更新中间这个0,那么我们的结果就会是特殊情况:0 -1 -2,实际上应该是0 0 0.

#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
const int maxn = 10000+5;
int a[maxn];
int main() {
	int n;
	scanf("%d", &n);
	int flag = 0;
	for(int i=0; i<n; i++) {
		cin >> a[i];
		if(a[i] >= 0) flag = 1;
	}
	if(!flag) {
		printf("0 %d %d\n", a[0], a[n-1]);
		return 0;
	}
	int sum = 0, Max = 0;
	int l, r, Ml;
	l = Ml = 0;
	r = n-1;
	for(int i=0; i<n; i++) {
		sum += a[i];
		if(sum > Max || (sum == 0 && r == n-1)) {
			Max = sum;
			r = i;
			Ml = l;
		}
		if(sum <= 0) {
			sum = 0;
			l = i+1;
		}
	}
	printf("%d %d %d\n", Max, a[Ml], a[r]);
}


### 最大子序列和问题的解决方法 最大子序列和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和达到最大值。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` 和 `max_sum` 来记录当前子序列的最大和以及全局范围内的最大和。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) # 更新当前子序列和 max_sum = max(max_sum, current_sum) # 更新全局最大和 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和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
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