POJ 2479 两段连续最大和

本文介绍了一个经典算法问题——寻找数组中两段连续子数组使得它们的和最大。通过动态规划的方法,利用dp[2][N]数组保存中间结果,并详细解释了状态转移方程。

题目大意:

在一组数中,找到连续的两段 , 是这两段相加和达到最大

 

这里利用dp[2][N]的数组保存所有的状态

dp[0][i]表示取到第i个数时只取了一段的最大和,第i个数是一定要被取到的

dp[1][i]表示取到第i个数时取了2段的最大和,第i个数是一定要被取到的

而题目所求答案就是所有dp[1][i]中的最大值

状态转移方程:

dp[0][i] = max{dp[0][i-1]+a[i] , a[i]}

dp[1][i] = max{dp[0][j]+a[i] , dp[1][i-1]+a[i]} j<i

很容易看出dp[0][i]在线性时间内是能够求出来的

而dp[1][i]却因为j的原因,要在n^2的时间内求出,而我们这里只要找到dp[0][j]中的最大值

那么我们用maxn不断更新 i 之前的dp[0][j]的最大值即可

因为答案可能为负数,所以初始化要将数设置的尽可能小,我一开始memset为0,导致错误还不理解

POJ2593同理

 1 #include <cstdio>
 2 #include <cstring>
 3 #include <iostream>
 4 using namespace std;
 5 
 6 #define N 50005
 7 #define INF 200000000
 8 int a[N] , dp[2][N];
 9 
10 int main()
11 {
12    // freopen("a.in" , "r" , stdin);
13     int T;
14     scanf("%d" , &T);
15     while(T--)
16     {
17         int n;
18         scanf("%d" , &n);
19         dp[0][0] = -INF , dp[1][1] = -INF;
20         int maxn = -INF , ans = -INF;
21         for(int i=1 ; i<=n ; i++){
22             scanf("%d" , &a[i]);
23             dp[0][i] = max(dp[0][i-1]+a[i] , a[i]);
24             if(i>1) dp[1][i] = max(a[i] + maxn , dp[1][i-1]+a[i]) ,  ans = max(ans , dp[1][i]);
25             maxn = max(maxn , dp[0][i]);
26         }
27         printf("%d\n" , ans);
28        // if(T>0) puts("");
29     }
30     return 0;
31 }

 

转载于:https://www.cnblogs.com/CSU3901130321/p/4337983.html

### POJ 2479 题目分析 POJ 2479 是一道经典的算法题目,通常涉及动态规划 (Dynamic Programming, DP) 或其他优化方法来解决复杂问题。虽然具体题目的描述未提供,但从常见的 POJ 平台上的题目来看,这类编号的题目往往围绕资源分配、路径规划或其他组合优化场景展开。 #### 动态规划解决方案概述 动态规划是一种通过分解子问题并存储中间结果以减少重复计算的方法。对于某些特定类型的最优化问题,DP 提供了一种高效且优雅的解法。例如,在背包问题或序列匹配等问题中,动态规划能够显著降低时间复杂度[^1]。 以下是基于假设的一个通用动态规划框架用于解决类似问题: ```python def dp_solution(items, capacity): n = len(items) # 初始化二维数组表示状态转移矩阵 dp = [[0 for _ in range(capacity + 1)] for __ in range(n + 1)] for i in range(1, n + 1): # 遍历物品 weight, value = items[i - 1] for j in range(capacity + 1): # 遍历容量 if j >= weight: dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight] + value) else: dp[i][j] = dp[i - 1][j] return dp[n][capacity] ``` 此代码片段展示了如何构建一个简单的动态规划表以处理具有重量价值属性的项目集合,并找到不超过给定容量的最大总价值。 #### 差分约束系统的应用 如果该问题是关于不等式的满足条件,则可以考虑采用差分约束系统进行建模。这种方法的核心思想是将一系列线性不等式转化为图论中的单源最短路径或者最长路径问题。特别地,当涉及到绝对差异限制时,可以通过引入虚拟节点连接实际变量形成网络结构,随后运行 SPFA 算法检测是否存在负权回路或正权回路来验证可行性[^3]。 需要注意的是,为了保证整个图形连通以便于正确执行上述过程,应当增加一个超级起点向所有其它顶点发出零权重边。 #### 推荐学习路线 针对希望深入理解这些高级技巧的学习者,《POJ 刷题顺序》一文中给出了详尽指导,涵盖了从基础到高阶的不同层次练习建议[^4]。遵循这样的计划可以帮助逐步掌握各类经典模型及其变体的应用场合。 ---
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