Hrbust 2191 最大序列和【dp+思维】

本文介绍了一种解决最大序列和问题的方法,通过动态规划求解序列中两段不相交子序列的最大和,并给出了AC代码实现。

最大序列和
Time Limit: 1000 MSMemory Limit: 32768 K
Total Submit: 54(34 users)Total Accepted: 37(30 users)Rating: Special Judge: No
Description

给出一个有n 个数的整数序列:{a1,a2,...,an},我们定义函数d(A) 如下:


你的任务是计算函数d(A)。


Input

输入的第一行是一个整数T(T<=30)表示有T 组测试数据;

对于每组测试数据:

第一行输入一个整数n(2<=n<=50000);

第二行输入n 个整数:a1,a2,...,an.(|ai]<=10000)。

Output

对于每组测试数据:输出一个整数表示d(A)的结果,每组输出占一行。

Sample Input

1

10

1 -1 2 2 3 -3 4 -4 5 -5

Sample Output

13

Hint

样例中,我们选择{2,2,3,-3,4} 和{ 5 },这样我们得到答案。

Source
2014.11.30新生赛-正式赛

思路:


1、首先考虑对于一个序列,求一段连续子序列的最大和。

那么设定dp【i】,表示以a【i】结尾的最大子段和。

不难写出其状态转移方程:dp【i】=max(dp【i-1】+a【i】,0);


2、那么接下来考虑如何求两段不相交连续子序列的最大和:

①首先我们求出来一遍正序的最大子段和dp【i】;

②接下来我们出来一遍逆序的最大子段和rdp【i】;

③接下来我们维护一个数组maxn【i】表示【1->i】区间内的最大子段和为多少。

④同理,我们再维护一个数组rmaxn【i】表示【n->i】区间内的最大子段和为多少。

那么不难想到,我们只需要O(n)维护一个output=max(maxn【i】+rmaxn【i+1】)即可。


3、注意清空需要清空的数组。


Ac代码:

#include<stdio.h>
#include<string.h>
#include<iostream>
using namespace std;
int a[56000];
int dp[56000];
int maxn[56000];
int rdp[56000];
int rmaxn[56000];
int main()
{
    int t;
    scanf("%d",&t);
    while(t--)
    {
        memset(dp,0,sizeof(dp));
        memset(maxn,0,sizeof(maxn));
        memset(rdp,0,sizeof(rdp));
        memset(rmaxn,0,sizeof(rmaxn));
        int n;
        scanf("%d",&n);
        for(int i=1;i<=n;i++)
        {
            scanf("%d",&a[i]);
        }
        for(int i=1;i<=n;i++)
        {
            dp[i]=max(dp[i-1]+a[i],0);
            maxn[i]=max(maxn[i-1],dp[i]);
        }
        for(int i=n;i>=1;i--)
        {
            rdp[i]=max(rdp[i+1]+a[i],0);
            rmaxn[i]=max(rmaxn[i+1],rdp[i]);
        }
        for(int i=1;i<=n;i++)
        {
            printf("%d ",dp[i]);
        }
        printf("\n");
        int output=0;
        for(int i=1;i<=n;i++)
        {
            output=max(maxn[i]+rmaxn[i+1],output);
        }
        printf("%d\n",output);
    }
}






内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估CPO优化流程。; 适合人群:具备一定Python编程基础优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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