hdu 1003 :Max Sum
2016-02-19 09:59
253 查看
初来乍到,动态规划也是刚刚接触。刚开始用暴力法,Time limit……
在网上搜了代码。大多是只说是动态规划经典问题、求最大子序列和,然后就是一串代码。最好的就是带了几行注释…没有太多通俗的解释…硬着头皮看了一晚上,终于算是有了眉目想通了。
在这里写下自己对这个动态规划求最大子序列和的理解,通俗一点的解释。(只是个人的理解哦,仅供参考)
这里的求最大子序列和应该是变种了吧,呵呵,还要加上最大子序列的起始和终止位置……只要知道怎么求最大子序列和,那么附加个位置应该不难的。
先来看代码:
本想用通俗的话语来解释这个道理,结果发现,通俗了以后就非文字所能描述的好的了,需要各种的手势+纸笔画一阵子,无奈表达能力有限,只好……只好用这样的看似非常严密的数学推理来说明了
对于整个序列a
来说,它的所有子序列有很多很多,但是可以将它们归类。
注意,是以**结尾的子序列,其中肯定是要包含**的了
以a[0]结尾的子序列只有a[0]
以a[1]结尾的子序列有a[0]a[1]和a[1]
以a[2]结尾的子序列有a[0]a[1]a[2] / a[1]a[2] / a[2]
……
以a[i]结尾的子序列有a[0]a[1]……a[i-2]a[i-1]a[i] / a[1]a[2]……a[i-2]a[i-1]a[i] / a[2]a[3]……a[i-2]a[i-1]a[i] /…… / a[i-1]a[i] / a[i]
所有以a[0] ~a
结尾的子序列分组构成了整个序列的所有子序列。
这样,我们只需求以a[0]~a
结尾的这些分组的子序列中的每一分组的最大子序列和。然后从n个分组最大子序列和中选出整个序列的最大子序列和。
观察可以发现,0,1,2,……,n结尾的分组中,
maxsum a[0] = a[0]
maxsum a[1] = max( a[0] + a[1] ,a[1]) = max( maxsum a[0] + a[1] ,a[1])
maxsum a[2] = max( max ( a[0] +a[1] + a[2],a[1]+ a[2] ),a[2])
= max( max( a[0] + a[1] ,a[1]) +a[2] ,a[2])
= max( maxsum a[1] + a[2] , a[2])
……
依此类推,可以得出通用的式子。
maxsum a[i] = max( maxsum a[i-1]+ a[i],a[i])
用递归……当然,不递归也应该是可以解决的。
我们从maxsum a[0]开始算起。
以后的每个就是 maxsum a[i-1] + a[i] 和 a[i] 中取大的那个。
程序中判断 前一个的最大子序列和小于零时,将其置为0,然后再加a[i] ,这样不就是和a[i] 一样大的么;前一个的最大子序列和只要大于零,那么再加上a[i] 肯定比 a[i] 要大,这样,带有归零的这个 maxsum a[i-1] + a[i] 就是以表示当前位置结束的子序列的最大和了。
剩下的就是要判断起始和终点位置了。
在循环的过程中,每循环一次就算出一个以当前位置结束的最大子序列和。每次循环中最大的那个保存下来,不就是最终所有最大子序列和中的最大值了么。
其中temp保存的是前一个位置的最大子序列和的开始位置(题目中是从1开始的哦);当 sum > maxsum 时(程序中的条件,与说明时的maxsum不太一样哦)就记录最大值,并保持它的开始位置为temp,终止位置即为当前位置(i +1是因为题目中第一个为1,而不是0);
当最大子序列和小于0时,将temp = i + 2; 其中 i + 1 表示当前位置(理由如上),i + 2就表示当前位置的下一个位置了。既此最大子序列和为负值,那么下一个的最大子序列和应该是它本身,而不再累加前边的。
程序中就两个if 语句,想要说明白还真不容易。
还有,有人会问,当整个序列全是负数时,还对吗?负数也是成立的,如果全是负数的时候,它就是每次都只取当前值作为最大值了,因为负的跟负的不就越加越小了吗。
因为题目中给出的范围是-1000 ~1000,所以这里初始的maxsum 初始化为-1001 ,只有比所有可能的值都小时才行。maxsum初始化为0;那么当序列全是负数时,得出的最大值将是0……这就wrong了
总之,只要上一个子序列最大和为正,那么无论当前值的正负,都会与当前的相加,这样以当前值结尾的子序列最大和就会增大。(一个正数加一个 正数2
或者负数 那么都会比这个正数2 或负数原来要增大,同理,一个负数加任何一个数,都会使这个数减小,因此当前一子序列最大和小于零时,我们就归零它了,相当于是不加任何数,而保留当前位置值本身)
原文地址:
HDU1003:MaxSum
在网上搜了代码。大多是只说是动态规划经典问题、求最大子序列和,然后就是一串代码。最好的就是带了几行注释…没有太多通俗的解释…硬着头皮看了一晚上,终于算是有了眉目想通了。
在这里写下自己对这个动态规划求最大子序列和的理解,通俗一点的解释。(只是个人的理解哦,仅供参考)
这里的求最大子序列和应该是变种了吧,呵呵,还要加上最大子序列的起始和终止位置……只要知道怎么求最大子序列和,那么附加个位置应该不难的。
先来看代码:
#include <iostream> using namespace std; int main() { int lines,n,temp,pos1,pos2,tempPos; int now, max; cin >> lines; for (int i = 0; i < lines;++i) { cin >> n >> temp; //n为当前行元素个数,temp为第一个数 now = max = temp; pos1 = pos2 = tempPos=1; for (int j = 2; j <= n; ++j) { cin >> temp; if (now + temp >temp) { now += temp; } else //now+temp <=temp //说明新读进的数比之前存储的最大子序和还大 { now = temp; tempPos = j; } if (now > max) { max = now; pos1 = tempPos; pos2 = j; } } cout << "Case : " << i+1 << endl; cout << max << " " << pos1 << " " << pos2 << " " << endl; } }
本想用通俗的话语来解释这个道理,结果发现,通俗了以后就非文字所能描述的好的了,需要各种的手势+纸笔画一阵子,无奈表达能力有限,只好……只好用这样的看似非常严密的数学推理来说明了
对于整个序列a
来说,它的所有子序列有很多很多,但是可以将它们归类。
注意,是以**结尾的子序列,其中肯定是要包含**的了
以a[0]结尾的子序列只有a[0]
以a[1]结尾的子序列有a[0]a[1]和a[1]
以a[2]结尾的子序列有a[0]a[1]a[2] / a[1]a[2] / a[2]
……
以a[i]结尾的子序列有a[0]a[1]……a[i-2]a[i-1]a[i] / a[1]a[2]……a[i-2]a[i-1]a[i] / a[2]a[3]……a[i-2]a[i-1]a[i] /…… / a[i-1]a[i] / a[i]
所有以a[0] ~a
结尾的子序列分组构成了整个序列的所有子序列。
这样,我们只需求以a[0]~a
结尾的这些分组的子序列中的每一分组的最大子序列和。然后从n个分组最大子序列和中选出整个序列的最大子序列和。
观察可以发现,0,1,2,……,n结尾的分组中,
maxsum a[0] = a[0]
maxsum a[1] = max( a[0] + a[1] ,a[1]) = max( maxsum a[0] + a[1] ,a[1])
maxsum a[2] = max( max ( a[0] +a[1] + a[2],a[1]+ a[2] ),a[2])
= max( max( a[0] + a[1] ,a[1]) +a[2] ,a[2])
= max( maxsum a[1] + a[2] , a[2])
……
依此类推,可以得出通用的式子。
maxsum a[i] = max( maxsum a[i-1]+ a[i],a[i])
用递归……当然,不递归也应该是可以解决的。
我们从maxsum a[0]开始算起。
以后的每个就是 maxsum a[i-1] + a[i] 和 a[i] 中取大的那个。
程序中判断 前一个的最大子序列和小于零时,将其置为0,然后再加a[i] ,这样不就是和a[i] 一样大的么;前一个的最大子序列和只要大于零,那么再加上a[i] 肯定比 a[i] 要大,这样,带有归零的这个 maxsum a[i-1] + a[i] 就是以表示当前位置结束的子序列的最大和了。
剩下的就是要判断起始和终点位置了。
在循环的过程中,每循环一次就算出一个以当前位置结束的最大子序列和。每次循环中最大的那个保存下来,不就是最终所有最大子序列和中的最大值了么。
其中temp保存的是前一个位置的最大子序列和的开始位置(题目中是从1开始的哦);当 sum > maxsum 时(程序中的条件,与说明时的maxsum不太一样哦)就记录最大值,并保持它的开始位置为temp,终止位置即为当前位置(i +1是因为题目中第一个为1,而不是0);
当最大子序列和小于0时,将temp = i + 2; 其中 i + 1 表示当前位置(理由如上),i + 2就表示当前位置的下一个位置了。既此最大子序列和为负值,那么下一个的最大子序列和应该是它本身,而不再累加前边的。
程序中就两个if 语句,想要说明白还真不容易。
还有,有人会问,当整个序列全是负数时,还对吗?负数也是成立的,如果全是负数的时候,它就是每次都只取当前值作为最大值了,因为负的跟负的不就越加越小了吗。
因为题目中给出的范围是-1000 ~1000,所以这里初始的maxsum 初始化为-1001 ,只有比所有可能的值都小时才行。maxsum初始化为0;那么当序列全是负数时,得出的最大值将是0……这就wrong了
总之,只要上一个子序列最大和为正,那么无论当前值的正负,都会与当前的相加,这样以当前值结尾的子序列最大和就会增大。(一个正数加一个 正数2
或者负数 那么都会比这个正数2 或负数原来要增大,同理,一个负数加任何一个数,都会使这个数减小,因此当前一子序列最大和小于零时,我们就归零它了,相当于是不加任何数,而保留当前位置值本身)
原文地址:
HDU1003:MaxSum
相关文章推荐
- 色彩平衡
- 用SharePreference存储数据
- centos7 kvm网卡故障
- Android安全攻防战,反编译与混淆技术完全解析(上)
- .net 网站登录
- Git -- 撤销修改
- 学习javascript文件加载优化
- Win10教育版用户怎么开启Insider preview更新?
- 软件开发技术:国际化(globalization )
- 03-白龙马与拉磨驴的人生
- FCKeditor上传漏洞总结
- Python实现以时间换空间的缓存替换算法
- 为亲朋好友挑选一款合适的 Linux 发行版
- 博客第一篇
- CSS清除浮动_清除float浮动
- Unity3D]结合轮廓显示,实现完整的框选目标
- JSP JSTL SQL标签操作数据库
- 15个超有用的正则表达式
- MySQL查看数据库信息
- 关于大型网站技术演进的思考(一)--存储的瓶颈(1)