最大子序和

本文介绍了一种使用线段树求解区间最小值问题的方法,并提供了完整的代码实现。通过对输入序列进行预处理和利用线段树的数据结构,可以高效地解决区间查询问题。

#include <bits/stdc++.h>
using namespace std;
#define int long long
#define lc 2*pos
#define rc lc+1
int n,m;
const int N=2*300000+50;
int a[N];
int tree[4*N];
int s[N];
int p,v;
int getAnswer(int pos,int l,int r,int p1,int p2)
{
    if (l==p1&&r==p2)
    {
        return tree[pos];
    }
    int mid=l+r>>1;
    if(p2<=mid)
    {
        return getAnswer(lc,l,mid,p1,p2);
    }
    else if (p1>mid)
    {
        return getAnswer(rc,mid+1,r,p1,p2);
    }
    else
    {
        int lc_ans=getAnswer(lc,l,mid,p1,mid);
        int rc_ans=getAnswer(rc,mid+1,r,mid+1,p2);

        return min(lc_ans,rc_ans);
    }
}

void update(int pos,int l,int r)
{
    if (l==r)
    {
        tree[pos]=v;
        return;
    }
    int mid=l+r>>1;
    if (p<=mid)
    {
        update(lc,l,mid);
    }
    else
    {
        update(rc,mid+1,r);
    }

    tree[pos]=min(tree[lc],tree[rc]);

}
int ans=-LONG_LONG_MAX;
int max(int a,int b)
{
    return a>b?a:b;
}
signed main()
{
    cin>>n>>m;

    //i
    //左端点最远:i-(m-1) p1
    //左端点最近:i-1     p2
    //右端点:i
    //  [p1,p2]的和最大
    //  s[p2]-s[p1-1]最小
    for(int i=m+1;i<m+1+n;i++)
    {
        cin>>a[i];
        s[i]=s[i-1]+a[i];
        v=s[i];
        p=i;
        update(1,1,N);

        int p1=max(m+1,i-m+1);



        int val=s[i]-getAnswer(1,1,N,p1-1,i-1);//线段树绝对不能维护0的位置
        ans=max(ans,val);
//        cout<<val<<endl;
    }

    cout<<ans;



    return 0;
}

 

注意的点:线段树绝对不能和0有关,我们可以用特殊的手段来避免,比如我们读入的最小的index就比较大。其次我们在做题之前要把逻辑搞清楚,一步一步来。

最大问题通常是指在一个整数列中,找出一段连续列,使得该列的最大。以下是相关实战案例及解决方法: ### 实战案例 在输入一个长度为 n 的整数列时,需要从中找出一段不超过 m 的连续列,使得整个列的最大。例如,对于列 `1, -3, 5, 1, -2, 3`,当 `m = 4` 时,最大 `Smax = 5 + 1 - 2 + 3 = 7`;当 `m = 2` 或 `m = 3` 时,`Smax = 5 + 1 = 6` [^2]。 ### 解决方法 #### 暴力枚举法 通过确定所有可能的列的开始号与结束号,计算每个列的,然后找出其中的最大值。 ```java private int max = Integer.MIN_VALUE; public int maxSubArray(int[] nums) { int sum; for (int i = 0; i < nums.length; i++) { // 列左端点 for (int j = i; j < nums.length; j++) { // 列右端点 sum = 0; for (int k = i; k <= j; k++) { // 暴力计算 sum += nums[k]; } if (sum > max) { max = sum; } } } return max; } ``` 此方法通过三重循环遍历所有可能的列,时间复杂度为 $O(n^3)$ [^1]。 #### 优化的遍历法 从第一个值开始连续累加,如果累加结果小于零,则把之前累加值抛弃,重置累加为当前元素,依次向后进行,同时保存最大累加。 ```java public int maxSubArray(int[] nums) { int sum = 0, res = nums[0]; for (int i = 0; i < nums.length; i++) { if (sum <= 0) { sum = nums[i]; } else { sum += nums[i]; } if (res < sum) { res = sum; } } return res; } ``` 该方法只需一次遍历数组,时间复杂度为 $O(n)$ [^4]。 #### C 语言实现的优化遍历法 ```c #define max(x, y) ((x)>(y)?(x):(y)) int maxSubArray(int* nums, int numsSize) { int max_sum = INT_MIN, sum = 0; for (int i = 0; i < numsSize; ++i) { sum += nums[i]; max_sum = max(max_sum, sum); if (sum < 0) { sum = 0; } } return max_sum; } ``` 同样,该方法时间复杂度为 $O(n)$ [^3]。 #### 动态规划法 使用一个数组 `a` 来记录以 `nums[i]` 结尾的连续数组最大。 ```python n = len(nums) a = [0] * n a[0] = nums[0] for i in range(1, n): if a[i - 1] < 0: a[i] = nums[i] else: a[i] = a[i - 1] + nums[i] max_sum = max(a) ``` 动态规划法通过记录中间结果,避免了重复计算,时间复杂度为 $O(n)$ [^5]。
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