杭电oj 1003 Max Sum(动态规划)

博客介绍了杭电OJ 1003题目的详细解题过程,涉及动态规划算法。通过示例解释了如何计算序列中的最大子序列和,并给出了解题思路和状态转移方程。代码实现中需要注意子序列的起始和结束位置的正确计算。

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

题目链接Max Sum

Problem Description

Given a sequence a[1],a[2],a[3]…a[n], your job is to calculate the max sum of a sub-sequence. For example, given (6,-1,5,4,-7), the max sum in this sequence is 6 + (-1) + 5 + 4 = 14

Input

The first line of the input contains an integer T(1<=T<=20) which means the number of test cases. Then T lines follow, each line starts with a number N(1<=N<=100000), then N integers followed(all the integers are between -1000 and 1000).

Output

For each test case, you should output two lines. The first line is “Case #:”, # means the number of the test case. The second line contains three integers, the Max Sum in the sequence, the start position of the sub-sequence, the end position of the sub-sequence. If there are more than one result, output the first one. Output a blank line between two cases.

Sample Input

2
5 6 -1 5 4 -7
7 0 6 -1 1 -6 7 -5

Sample Output

Case 1:
14 1 4

Case 2:
7 1 6

题目大意

给定序列a[1]、a[2]、[3]…a[n],计算子序列的最大和。例如,给定(6,-1,5,4,-7),此序列中的最大和为6+(-1)+5+4=14。

解题思路

这个问题就是用动态规划求最大连续子序列和,令状态dp[i]表示以a[i]作为末尾的连续序列的最大和。以样例为例:序列 6 -1 5 4 -7,下标分别为0,1,2,3,4

dp[0]=6
dp[1]=5(6+(-1)=5)
dp[2]=10(6+(-1)+5=10)
dp[3]=14(6+(-1)+5+4=14)
dp[4]=7(6+(-1)+5+4+(-7)=7)
因为dp数组的含义,a[4]必须作为l连续序列的结尾,于是最大和不是6+(-1)+5+4=14,而是6+(-1)+5+4+(-7)=7

通过设置dp数组,要求的最大和就是dp[0],dp[1],dp[2],…,dp[n-1]中的最大值,那么问题就转化成如何求dp数组。
因为dp[i]要求是必须以a[i]结尾的连续序列,那么只有两种情况:

1.这个最大和的连续子序列只有一个元素,即以a[i]开始,a[i]结束
2.这个最大连续序列有多个元素,即从前面某处a[p]开始,一直到a[i]结束(p<i)
对于第一种情况,最大和就是a[i]本身。
对于第一种情况,最大和就是dp[i-1]+a[i],即a[p]+a[p+1]+…+a[i-1]+a[i]=dp[i-1]+a[i]
于是得到状态转移方程:
dp[i]=max{a[i],dp[i-1]+a[i]}
这个式子只和 ii 之前的元素有关,且边界为dp[0]=a[0]。从小到大枚举 i ,即可得到整个dp数组。

AC代码


                
### HDU OJ 2044 动态规划解决方案 #### 题目概述 题目描述了一个涉及路径选择的问题,其中需要计算从起点到终点的不同走法数量。这类问题通常可以通过动态规划来高效求解。 #### 动态规划思路 定义 `dp[i][j]` 表示到达第 i 步时有 j 种不同的状态。通过构建转移方程可以逐步推导出最终结果。由于涉及到的状态数目可能较大,因此需要注意对结果取模操作以防止溢出[^3]。 #### 初始化条件 设初始位置为 dp[0][start_state]=1, 其他所有 dp[0][i]=0 (i≠start_state),表示只有起始状态下存在一种方式达到该点。 #### 转移方程 假设当前位于第 k 步,则可以从之前一步即第 k-1 步的位置转移而来: \[ \text{for } each\ state_i:\quad dp[k][state_j] += dp[k-1][state_i]\] 这里 \(state_i\) 和 \(state_j\) 是相邻两个时刻之间能够相互转换的有效状态集合中的成员。 #### 边界处理 当遍历到最后一步 n 时,累加所有可达终态的可能性作为答案,并记得对 M 取模: \[ result = (\sum_{all\ final\_states} dp[n][final\_state]) \% M \] #### Python 实现代码 ```python MOD = int(input().strip()) # 输入M值用于取模运算 N = ... # 总步数或长度由具体题目给定 K = ... # K代表其他参数如宽度等依题而异 # 初始化DP表 dp = [[0]*(WIDTH+1) for _ in range(N+1)] dp[0][START_POSITION] = 1 # 设置起点 # 进行动态规划迭代填充表格 for step in range(1, N+1): for pos in range(WIDTH+1): if pos > 0: dp[step][pos] += dp[step-1][pos-1] if pos < WIDTH: dp[step][pos] += dp[step-1][pos+1] dp[step][pos] %= MOD # 计算并输出结果 result = sum(dp[N]) % MOD print(result) ```
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