A - 最大子段和 B - 循环数组最大子段和

一:
A - 最大子段和
N个整数组成的序列a1,a2,a3,…,an, 求该序列如ai+ai+1+…+aj
的连续子段和的最大值。当所给的整数均为负数时和为0。
例如:-2,11,-4,13,-5,-2,和最大的子段为:11,-4,13。和为20。
Input
第1行:整数序列的长度N(2 <= N <= 50000)
第2 - N + 1行:N个整数(-10^9 <= Ai
<= 10^9)
Output
输出最大子段和。
Sample Input

6
-2
11
-4
13
-5
-2

Sample Output

20
#include<stdio.h>
#include<string.h>
#include<iostream>
#include<algorithm>
using namespace std;
long long a[50010],b,sum;
int main()
{
    int n;
    scanf("%d",&n);
    for(int i=0;i<n;i++)
        scanf("%I64d",&a[i]);
    for(int j=0;j<n;j++){
        if(b>0){
            b=b+a[j];
        }
        else{
            b=a[j];
        }
        if(b>sum)
            sum=b;
    }
    printf("%I64d",sum);
    return 0;
}

(注意(-10^9 <= Ai<= 10^9),sum会超出,用long long %I64d)

二:

B - 循环数组最大子段和
N个整数组成的循环序列a1,a2,a3,…,an,求该序列如ai+ai+1+…+aj的连续的子段和的最大值(循环序列是指n个数围成一个圈,因此需要考虑an−1,an,a1,a2
这样的序列)。当所给的整数均为负数时和为0。
例如:-2,11,-4,13,-5,-2,和最大的子段为:11,-4,13。和为20。
Input
第1行:整数序列的长度N(2 <= N <= 50000)
第2 - N+1行:N个整数 (-10^9 <= Si
<= 10^9)
Output
输出循环数组的最大子段和。
Sample Input

6
-2
11
-4
13
-5
-2

Sample Output

20
分析:本题与普通的最大子段和问题不同的是,最大子段和可以是首尾相接的情况,即可以循环。那么这个题目的最大子段和有两种情况:
(1)正常数组中间的某一段和最大。这个可以通过普通的最大子段和问题求出。

(2)此数组首尾相接的某一段和最大。这种情况是由于数组中间某段和为负值,且绝对值很大导致的,那么我们只需要把中间的和为负值且绝对值最大的这一段序列求出,用总的和减去它就行了。即,先对原数组求最大子段和,得到ans1,然后把数组中所有元素符号取反,再求最大子段和,得到ans2原数组的所有元素和为ans,那么最终答案就是 max(ans1, ans + ans2)。
#include<stdio.h>
#include<string.h>
#include<iostream>
#include<algorithm>
using namespace std;
typedef long long LL;
int a[50010];
LL solve(int a[],int n){
    LL ans=0;
    LL temp=0;
    for(int j=0;j<n;j++){
        if(temp>0){
            temp+=a[j];
        }
        else{
            temp=a[j];
        }
        ans=max(ans,temp);
    }
    return ans;
}
int main()
{
    int n;
    LL ans=0;
    scanf("%d",&n);
    for(int i=0;i<n;i++){
        scanf("%I64d",&a[i]);
        ans+=a[i];
    }
    LL ans1=solve(a,n);
    for(int i=0;i<n;i++)
        a[i]=-a[i];
    LL ans2=solve(a,n);
    ans=max(ans1,ans+ans2);
    printf("%I64d\n",ans);
    return 0;
}
### 关于最大问题的算法实现与优化 最大问题是经典的动态规划问题之一,目标是从一个整数数组中找到具有最大的连续序列。如果整个数组中的元素均为负数,则返回值应为零。 #### 动态规划方法的核心思想 通过动态规划可以高效地解决问题。设 `dp[i]` 表示以第 i 个元素结尾的最大,则状态转移方程如下: \[ dp[i] = \max(dp[i-1] + a[i], a[i]) \] 最终的结果即为所有 \( dp[i] \) 中的最大值。为了节省空间复杂度,可以通过变量代替数组存储中间结果[^1]。 以下是基于上述思路的 C 语言实现代码: ```c #include <stdio.h> #define MAX(a, b) ((a) > (b) ? (a) : (b)) int maxSubArraySum(int *arr, int n) { if (n == 0) return 0; int currentMax = arr[0]; int globalMax = arr[0]; for (int i = 1; i < n; ++i) { currentMax = MAX(currentMax + arr[i], arr[i]); globalMax = MAX(globalMax, currentMax); } return globalMax > 0 ? globalMax : 0; } int main() { int arr[] = {-2, 1, -3, 4, -1, 2, 1, -5, 4}; int n = sizeof(arr)/sizeof(arr[0]); printf("Maximum Subarray Sum is %d\n", maxSubArraySum(arr, n)); return 0; } ``` 此代码实现了 Kadane 算法的一个变体,时间复杂度为 O(n),空间复杂度为 O(1)[^1]。 #### 算法优化方向 尽管 Kadane 算法已经非常高效,但在某些特定场景下仍可进一步优化: 1. **并行计算**:对于大规模数据集,可通过分治策略将数组划分为多个部分,在多线程或多核处理器上分别处理后再合并结果。 2. **硬件加速**:利用 GPU 或 SIMD 指令集来提升性能,尤其是在科学计算领域中常见。 3. **内存访问模式改进**:调整循环结构减少缓存未命中率,从而提高运行效率。 以上提到的方法适用于更复杂的实际应用场景,但对于一般情况下的简单需来说,默认版本已足够优秀。
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