一、题目
给定K个整数的序列{ N1, N2, …, NK },其任意连续子序列可表示为{ Ni, Ni+1, …, Nj },其中 1 <= i <= j <= K。最大连续子序列是所有连续子序中元素和最大的一个, 例如给定序列{ -2, 11, -4, 13, -5, -2 },其最大连续子序列为{ 11, -4, 13 },最大和为20。
二、解题思路
动态规划解题思路可详见另一篇文章。
①定义状态
为了简单起见,我们可以定义dp[i]来表示以a[i]作为末尾的连续序列之和。其中数组a[]表示整数的序列。所以我们求的连续子序中元素和最大的一个数是数组dp中的最大数。
②定义状态转移方程
大家知道动态规划满足无后向性,即:每个阶段的决策仅受之前决策的影响,但是不影响之后各阶段的决策。所以我们可以从后往前推出状态转移方程,我们可以考虑dp[i]与dp[i-1]的关系,设连续序列中的元素保存在数组a[]中,是否一定dp[i] = dp[i-1] +a[i]?答案是不一定的,我们考虑一下只有dp[i-1] + a[i] > a[i]时才可能有dp[i] = dp[i-1] +a[i]等式成立,否则dp[i]可以从a[i]重新算起,这样我们可以得到状态转移方程:
dp[i] = max(dp[i-1] + a[i] , a[i])
从公式中我们可以看出为什么dp[i]来表示以a[i]作为末尾的连续序列之和。
③确定边界
由状态定义我们可以得出当i = 0时,dp[0] = 0;
三、代码编写
#include <stdio.h>
#include <stdlib.h>
#define N 7
#define max(a,b) ((a>b)?a:b)
int main()
{
int a[N] = {0,-2,11,-4,13,-5,-2};
//保存最大连续子序列之和
int maxResult = 0;
//dp[i]来表示以a[i]作为末尾的连续序列之和
int dp[N]={0};
//核心算法
int i=1;
for(i;i < N;i++){
dp[i] = max((dp[i-1]+a[i]),a[i]);
if(maxResult < dp[i]){
maxResult = dp[i];
}
}
printf("最大连续子序列之和:%d ",maxResult);
return 0;
}
四、运行结果
五、总结
动态规划需要满足无后向性,可用逆向思维推出状态转化方程,动态规划解题方法可详见另一篇文章。