最大子序和

这篇博客介绍了如何使用动态规划和队列技巧解决最大子序和问题,通过维护前缀和数组和一个递增队列来高效找到连续子数组的最大和。关键步骤包括遍历数组、更新前缀和、利用队列维护区间最小值,最后输出最大子序和。

题目描述

image-20220211220112297


解题思路

遍历这 n 个数,求得数组 s , s[i] 代表前 i 项元素和,再有一个递增队列 q 用来维护 s[i-m+1] 到 s[i] 之间的最小值的对应下标,则当前最大子序和为原先最大子序 和 与 s[i] 减去 s[i-m+1] 到 s[i] 之间的最小值的结果 的较大者,遍历完成则答案也随之而来了

代码

#include<iostream>
#define MAX 300000
using namespace std;
long long s[MAX + 5], q[MAX + 5], head = 0, tail = 0, ans = 0;
int main(){
    int n, m;
    cin >> n >> m;
    q[tail++] = 0;
    for (int i = 1; i <= n;i++){
        cin >> s[i];
        s[i] += s[i - 1];
        ans = max(ans, s[i] - s[q[head]]);
        while(tail-head&&s[q[tail-1]]>=s[i])
            tail--;
        q[tail++] = i;
        if(q[head]==i-m)
            head++;
    }
    cout << ans << endl;
    return 0;
}

image-20220211221313379

最大问题通常是指在一个整数列中,找出一段连续列,使得该列的最大。以下是相关实战案例及解决方法: ### 实战案例 在输入一个长度为 n 的整数列时,需要从中找出一段不超过 m 的连续列,使得整个列的最大。例如,对于列 `1, -3, 5, 1, -2, 3`,当 `m = 4` 时,最大 `Smax = 5 + 1 - 2 + 3 = 7`;当 `m = 2` 或 `m = 3` 时,`Smax = 5 + 1 = 6` [^2]。 ### 解决方法 #### 暴力枚举法 通过确定所有可能的列的开始号与结束号,计算每个列的,然后找出其中的最大值。 ```java private int max = Integer.MIN_VALUE; public int maxSubArray(int[] nums) { int sum; for (int i = 0; i < nums.length; i++) { // 列左端点 for (int j = i; j < nums.length; j++) { // 列右端点 sum = 0; for (int k = i; k <= j; k++) { // 暴力计算 sum += nums[k]; } if (sum > max) { max = sum; } } } return max; } ``` 此方法通过三重循环遍历所有可能的列,时间复杂度为 $O(n^3)$ [^1]。 #### 优化的遍历法 从第一个值开始连续累加,如果累加结果小于零,则把之前累加值抛弃,重置累加为当前元素,依次向后进行,同时保存最大累加。 ```java public int maxSubArray(int[] nums) { int sum = 0, res = nums[0]; for (int i = 0; i < nums.length; i++) { if (sum <= 0) { sum = nums[i]; } else { sum += nums[i]; } if (res < sum) { res = sum; } } return res; } ``` 该方法只需一次遍历数组,时间复杂度为 $O(n)$ [^4]。 #### C 语言实现的优化遍历法 ```c #define max(x, y) ((x)>(y)?(x):(y)) int maxSubArray(int* nums, int numsSize) { int max_sum = INT_MIN, sum = 0; for (int i = 0; i < numsSize; ++i) { sum += nums[i]; max_sum = max(max_sum, sum); if (sum < 0) { sum = 0; } } return max_sum; } ``` 同样,该方法时间复杂度为 $O(n)$ [^3]。 #### 动态规划法 使用一个数组 `a` 来记录以 `nums[i]` 结尾的连续数组最大。 ```python n = len(nums) a = [0] * n a[0] = nums[0] for i in range(1, n): if a[i - 1] < 0: a[i] = nums[i] else: a[i] = a[i - 1] + nums[i] max_sum = max(a) ``` 动态规划法通过记录中间结果,避免了重复计算,时间复杂度为 $O(n)$ [^5]。
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