动态规划

本文介绍了一种求解整数序列最大子段和的算法,采用动态规划思想,通过逐次迭代更新子段和的最大值,并考虑了全部元素为负数的情况。

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

给定由n个整数组成的序列(a1,a2, …,an),求该序列形如

   

 的子段和的最大值,当所有整数均为负整数时,其最大子段和为0。

    1. int DY_Sum(int a[],int n)  
    2. {  
    3.     int sum = 0;  
    4.     int *b = (int *) malloc(n * sizeof(int));   //动态为数组分配空间  
    5.     b[0] = a[0];  
    6.     for(int i = 1; i < n; i++)  //<把值记录下来,最后选择最大的值
    7.     {  
    8.         if(b[i-1] > 0)  
    9.             b[i] = b[i - 1] + a[i];  
    10.         else  
    11.             b[i] = a[i];  
    12.     }  
    13.     for(int j = 0; j < n; j++)  
    14.     {  
    15.         if(b[j] > sum)  
    16.             sum = b[j];  
    17.     }  
    18.     delete []b;     //释放内存  
    19.     return sum;  
    20. }  
  1.  


一、基本概念

    动态规划过程是:每次决策依赖于当前状态,又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的,所以,这种多阶段最优化决策解决问题的过程就称为动态规划。

二、基本思想与策略

    基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。在求解任一子问题时,列出各种可能的局部解,通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。依次解决各子问题,最后一个子问题就是初始问题的解。

    由于动态规划解决的问题多数有重叠子问题这个特点,为减少重复计算,对每一个子问题只解一次,将其不同阶段的不同状态保存在一个二维数组中。

    与分治法最大的差别是:适合于用动态规划法求解的问题,经分解后得到的子问题往往不是互相独立的(即下一个子阶段的求解是建立在上一个子阶段的解的基础上,进行进一步的求解)

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