最大子段-n个数求和最大且连续的子段-最简单的一维dp,动态规划入门教程,包听懂

本文介绍了如何使用动态规划解决求解数组中连续子段和最大的问题。通过逐步分析,阐述了动态规划思想在解决此类问题中的应用,强调了状态转移的重要性,并举例说明了从0开始的连续子段和如何扩展到所有可能的子段和,以找到最优解。

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

先看题目:

a[n]这个数组中,找到连续的一段数且保证这些数的和是最大的


举个例子

0 6 -1 1 -7 7 -5

result = 7


正常情况下你可以这么做

sum = 0;

sum = 6;

sum = 5;

sum = 6;

sum = -1;

sum = 6;

sum = 1;


这样你只需要加一个max,每一次加好之后和max进行比较就可以。

但是,你这样不断记录,比较,得出来的最终结果也只能是从0开始的连续的和最大的一段,你又如何才能获取最优的答案?


所以这里就需要我们动态规划的思想了,求最优。


你sum到了-1的时候,前面的东西直接舍弃就可以了,你如果给后面的是负数,那后面的数还不如不要你?

所以说就是利用了一个给后面的数提供最优的思想,解决了这个题目。

所以我举个例子。

0

0 6

0 6 -1

0 6 -1 1

0 6 -1 1 -7

0 6 -1 1 -7 7

0 6 -1 1 -7 7 -5


你需要求解包含1位的最优解,

包含1到2位的最优解,

包含1到3位的最优解,

包含。。1到7位的最优解。


求这么多,为什么不直接求1到7位的最优解?

试问,直接求求得出来吗?那不是和我们本题一样了吗?

因为每一位的最优解都是建立在前面的基础之上的。

而且,你求最优解的时候,还必须包括你当前的最后一位数。

为什么?不是求最优解吗?

那你可以再试试求最后一个序列,如果你不打算包括你的最后一位数,那不是和我们本题要求一样了吗?


所以我们求的最优解,并非是真的最优解,是结束位在不同位上的最优解,开始为就可以随意定了。

只是求出这些结束位在不同位上的最优解的每一种情况,进行一个记录筛选罢了。


看看是不是很巧妙,最后一位的所有可能都给你列出来了,而第一位又是你可以求出来的,就涵盖了所有的情况。

其次,上一个最优解和下一个最优解之间又有着密切的关系。


这就是动态规划。是通过一种求伪最优解的方式,层与层之间又有联系,巧妙地得出了本来难以得出的答案。

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