PAT 甲级测试题目 -- 1007 Maximum Subsequence Sum

本文深入探讨了求解最大子序列和问题的高效算法,通过动态调整子序列的起始和结束位置,避免了使用数组存储数据的空间复杂度问题。文章详细解释了算法思路,包括如何处理序列中所有元素为负数的特殊情况,并提供了完整的C++代码实现。

题目链接

题目描述

  给一组序列的个数 N(N < 10000)以及序列中的数,要求计算出该序列中连续子序列和值最大的子序列,输出这个最大值以及子序列的第一个元素和最后一个元素,若序列中的值均为负数,则子序列和值最大为0,输出序列的第一个元素和最后一个元素。

分析

  由于题目中给出的个数在 10000 左右,因此使用数组存储子序列不是一个好办法。
由于题目中表明是计算连续的子序列,因此可以这样推理结果:
  若有序列{ a1, a2, a3, a4, a5, a6},且 a2 至 a6 的子序列和为正数,a1 为负数,那么子序列 { a1, a2, a3, a4, a5, a6 } 一定不是该序列的最大值,因此可以舍弃元素 a1。也由此可以推出,若有子序列1,子序列2以及子序列3,且子序列1,子序列2之和为负数,子序列3之和为正数,那么子序列3的和可能为该序列的最大子序列和。由此可以推出思路:

设置最大值 maxium 为 0,用 currentAdd 变量记录当前加和的值,
若 currentAdd 大于 maxium,则将 currentAdd 赋值给 maxium,若 currentAdd 为负数,则将其置于 0。这样就能狗找出子序列的最大和。

因此,我们可以避免使用数组存储数据,而是动态处理输入数据,解决了空间复杂度问题。

  除了找出子序列的最大和值之外,题目中还要求找出输出这个子序列的第一个元素和最后一个元素。因此需要一个标记记录子序列的首尾元素。因为子序列的首元素由 currentAdd 决定,因此它随着该变量的变化而变化,尾元素则随着 maxium 被找到而变化,记录当前的输入的元素。

  由于在序列中找到的正数不一定是最大值,所以我们需要额外的变量记录首尾元素,直到子序列的和比之前记录的最大值还要大的时候,才将额外的变量值赋值给需要输出的首尾元素值。

  由于题目中有可能出现序列中所有元素为负数的情况,且这种情况下需要输出序列的首尾元素。因此我们需要额外的变量记录序列的第一个元素和最后一个元素。

  题目中也透露了一个不明显的信息,就是序列中子序列最大值为 0 的情况,因此也应当将其考虑进去,所以设置 maxium 为 -1,区别序列元素均为负数的情况,以及序列中子序列最大和值为 0 的情况。

实现
#include<iostream>
using namespace std;
int main() {
    int numbers;
    // 最大值记为 -1 用于处理子序列和最大值为 0 的情况
    int maxium = -1;
    int currentAdd = 0;
    int leftIndex, rightIndex;
    int leftFlag, rightFlag;
    int first, last;
    int currentNum;
    
    first = last = leftFlag = rightFlag = leftIndex = rightIndex = 0;
    // 接收输入的序列长度
    cin >> numbers;
    for (int i = 0; i < numbers; i++) {     
        // 接收序列数字
        cin >> currentNum;
        // 记录序列的开头
        if (first == 0)
            first = currentNum;
        // 记录序列的结尾
        last = currentNum;
        // 记录当前的子序列和
        currentAdd += currentNum;
        // 记录子序列的开头
        if (leftFlag == 0)
            leftFlag = currentNum;
        // 若当前子序列和为负数,则置于0
        if (currentAdd < 0) {
            leftFlag = currentAdd = 0;
            continue;
        }
        // 若当前子序列和比最大值大,则用最大值接收该子序列和,并记录子序列的开头与结尾
        if (currentAdd > maxium) {
            rightIndex = rightFlag = currentNum;
            leftIndex = leftFlag;
            maxium = currentAdd;
        }

    }
    // 若子序列的和为负数,则将子序列开头记为序列开头,子序列结尾记为序列结尾,最大值记为 0 
    if (maxium == -1) {
        leftIndex = first;
        rightIndex = last;
        maxium = 0;
    }
    
    cout << maxium << " " << leftIndex << " " << rightIndex;
    return 0;
}

希望对你有所帮助!

转载于:https://www.cnblogs.com/Breathmint/p/10275935.html

### 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,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