最大连续子列和

news2024/11/14 21:04:48

给定一个数组,求它的最大连续子列和。

这个问题有四种解法。

1、暴力循环(O(n^3))

分析这个问题,既然是子列,那么它最长为n,最短为1。要想求和我们一般需要知道这个子列的左端下标和右端下标,再求这个子列的和。最简单的办法就是用暴力循环来求和。

首先我们需要定义左端下标i,每次循环i++。接下来是右端下标j,j的初值为i,因为右端下标总是大于等于左端下标,每次循环j++。知道了左端下标i和右端下标j之后,再从i到j循环求和就行了。

#include <iostream>
#include <algorithm>

using namespace std;

const int N=1*10^6;

int main()
{
    int n;
    cin>>n;
    int a[N];
    int sum=0,maxsum=0;
    for(int i=0;i<n;i++) cin>>a[i];
    for(int i=0;i<n;i++)
    {
        for(int j=i;j<n;j++)
        {
            sum=0;
            for(int k=i;k<=j;k++) sum+=a[k];
            if(sum>maxsum) maxsum=sum;
        }
    }
    cout<<maxsum;
    
    return 0;
} 

2、暴力循环的改进(O(n^2))

第一种算法显然时间复杂度太高了,可以进行改进,减少一层循环。

当左端下标i和右端下标j确定时,知道a[i]~a[j]的和,如果要求a[i]~a[j+1],按照第一种算法,需要重新遍历一遍a[i]~a[j]的数组,再把a[j+1]加上。思考后,我们发现,如果已知a[i]~a[j]的和sum,我们只需要让sum+a[j+1]就可以得到a[i]~a[[j+1]的和。因此我们就可以使用两层循环就可以解决这个问题。

#include <iostream>
#include <algorithm>

using namespace std;

const int N=1*10^6;

int main()
{
    int n;
    cin>>n;
    int a[N];
    int sum=0,maxsum=0;
    for(int i=0;i<n;i++) cin>>a[i];
    for(int i=0;i<n;i++)
    {
        sum=0;
        for(int j=i;j<n;j++)
        {
            sum+=a[j];
            if(sum>maxsum) maxsum=sum;
        }
    }
    cout<<maxsum;
    
    return 0;
}

值得注意的是,第一个算法中sum重置为0是在第二个循环里,第二个sum重置为0是在第一层循环里。原因是第一个算法的第三层循环是循环累加求值,所以每次循环前要重置为0,而第二个算法简化后,左端i确定后,利用累加的方法记录以左端i为首长度为1~n-i+1的各子列的和,所以在第一重循环确定新的左端i后,就要重置sum。

3、分治(O(n*logn))

当我们看到一个算法的时间复杂度是O(n^2)的时候,我们就可以思考这个算法能不能经过改进将时间复杂度降为O(n*logn)

这个问题也可以用分治的方法来解决。(有时候想想这些算法题真操蛋,万物可分治可二分可递归了^_^)

分治是将大的问题划分成小的问题,最后整合结果的方法。分是划分,治是整合结果。

怎么分治呢?我们考虑到,把整个数列从中间切开,最大子列和=max(左边数列最大子列和,右边数列子列和,跨越边界的子列和),跨越边界的子列和就是左右两边的数都包含的情况。利用这个办法,不断地将子列切片,进行分治,最终就能求得整个数列的最大子列和。

代码有点复杂,回头有空再写吧^_^

4、在线处理!(O(n))!

这是对于最大子列和最好最快的算法。

这个算法的思想是,从左到右累加每个数得到sum,如果sum>maxsum,更新maxsum=sum,如果sum<0,将sum重置为0。输出最后的sum值。

为什么这个算法是正确的呢?如果任意一个子列和小于0,那么这个子列一定不会位于和最大子列的左侧,因为一个负数对于整个数列的和是没有贡献的。

#include <iostream>
#include <algorithm>

using namespace std;

const int N=1*10^6;

int main()
{
    int n;
    cin>>n;
    int a[N];
    int sum=0,maxsum=-1*10^6;
    for(int i=0;i<n;i++)
    {
        cin>>a[i];
        sum+=a[i];
        if(sum<0) sum=0;
        if(sum>maxsum) maxsum=sum;
    }
    cout<<maxsum;
    
    return 0;
}

为什么,我把maxsum设为负数呢,因为有的算法题给的数据实在变态,你必须考虑符合题意的每一种极端情况。把maxusm设置为负数,我是考虑到,只有一个元素且为负数的情况。

为什么它叫在线处理呢?因为它可以边输入边计算,只需要一个循环。而算法复杂度只能这么小了,毕竟输入数据的算法也需要O(n)。

这四种算法思想均来自中国大学mooc陈越老师的数据结构课。

md,真爽,还有啥比ac更爽的?!纠结这么久终于找到bug,解决这道题了。 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/351010.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

深入浅出带你学习Nginx中间件常见漏洞

前言 上篇文章总结了APACHE中间件的常见漏洞&#xff0c;本文介绍一个同样很常用的中间件——nginx&#xff0c;本文会讲解关于nginx中间件的常见漏洞利用方式与危害&#xff0c;下面展开来给大家讲解。 Nginx是什么&#xff1f; 在讲漏洞之前我们需要先知道什么是nginx,简单…

《SQL基础》11. 索引

SQL - 索引索引概述结构B-TreeBTreeHash思考分类语法SQL性能分析SQL执行频率慢查询日志profile详情explain执行计划索引失效情况范围查询索引列运算字符串不加引号模糊查询or连接条件数据分布影响使用规则最左前缀法则SQL提示覆盖索引前缀索引设计原则索引 概述 索引&#xf…

linux安装minio,注册服务实现开机自启动

一、安装1.创建安装目录mkdir -p /usr/local/soft/minio2.下载文件cd /usr/local/soft/miniowget -q http://dl.minio.org.cn/server/minio/release/linux-amd64/minio3.新建数据存储目录mkdir -p /home/minio/data4.授予可执行权限chmod x minio5.设置账号密码export MINIO_AC…

yolov8代码梳理 训练自己的数据 最终版

1.总结一下 最开始为了检测不规则的麻包袋&#xff0c;所以采用了目标检测。yolov3&#xff0c;fasterrcnn&#xff0c;ssd。这种矩形框还是可以用。后面检测的物体变成了规则的纸箱&#xff0c;我们还用目标检测发现&#xff0c;没有旋转角度&#xff0c;因为箱子的摆放不是正…

深度学习算法面试常问问题(三)

pooling层是如何进行反向传播的&#xff1f; average pooling&#xff1a; 在前向传播中&#xff0c;就是把一个patch的值取平均传递给下一层的一个像素。因此&#xff0c;在反向传播中&#xff0c;就是把某个像素的值平均分成n份 分配给上一层。 max pooling&#xff1a; 在前…

一文教你如何编写高效的接口测试,别再浪费时间了

目录 前言 1、什么是接口测试 2、为什么要做接口测试 3、接口测试的范围 4、接口测试的重点 5、测试原则 总结 前言 在所有的开发测试中&#xff0c;接口测试是必不可少的一项。有效且覆盖完整的接口测试&#xff0c;不仅能保障新功能的开发质量&#xff0c;还能让开发在…

PMP项目管理未来的发展与趋势

什么是项目管理&#xff1f;关于项目管理的解释主要是基于国际项目管理三大体系不同的解释及本领域权威专家的解释。 项目管理就是以项目为对象的系统管理方法&#xff0c;通过一个临时性的、专门的柔性组织&#xff0c;对项目进行高效率的计划、组织、指导和控制&#xff0c;以…

深度学习术语解释:backbone、head、neck,etc

backbone&#xff1a;翻译为主干网络的意思&#xff0c;既然说是主干网络&#xff0c;就代表其是网络的一部分&#xff0c;那么是哪部分呢&#xff1f;这个主干网络大多时候指的是提取特征的网络&#xff0c;其作用就是提取图片中的信息&#xff0c;共后面的网络使用。这些网络…

深入浅出带你学习利用session.upload_progress进行文件包含

前言 该思路是很久之前在CTF比赛中学习到的&#xff0c;可以简单理解为利用session.upload_progress来进行文件竞争从而达到上传文件进行文件包含或者命令执行的目的&#xff0c;可能大部分人会不理解&#xff0c;我们下面我们展开来讲。 基础知识 session.upload_progress …

Java并发编程面试题——线程安全(原子性、可见性、有序性)

文章目录一、原子性高频问题1.1 Java中如何实现线程安全?1.2 CAS底层实现1.3 CAS的常见问题1.4 四种引用类型 ThreadLocal的问题&#xff1f;二、可见性高频问题2.1 Java的内存模型2.2 保证可见性的方式2.3 volatile修饰引用数据类型2.4 有了MESI协议&#xff0c;为啥还有vol…

2022年全国职业院校技能大赛网络安全竞赛A模块(2)

2022年全国职业院校技能大赛&#xff08;中职组&#xff09; 网络安全竞赛试题 &#xff08;2&#xff09; 目录 2022年全国职业院校技能大赛&#xff08;中职组&#xff09; 网络安全竞赛试题 &#xff08;2&#xff09; 模块A 基础设施设置与安全加固 A-1任务一 登录安…

ChatGPT引爆资本狂潮,AI大战升级版打响!谷歌紧急上线对标竞品,微软测试AI搜索引擎,百度宣国产版定档,谁才是最后的赢家?

文 BFT机器人 如果你迄今为止还没有听说过ChatGPT&#xff0c;那就已经彻彻底底被人工智能的新时代甩到身后了。 如果说去年年底ChatGPT刚推出的时候&#xff0c;大多数网友对其的态度还是认为它和Clubhouse一样仅会是昙花一现的话&#xff0c;那么2个月时间过去&#xff0c;C…

【Ubuntu换源教程】不同Ubuntu系统版本换清华源

今天在新电脑上装了虚拟机VMware Workstation Pro 16&#xff0c;在虚拟机上安装了Ubuntu20.04系统。 在做Ubuntu20.04系统换源的时候&#xff0c;发现源要和Ubuntu的版本匹配&#xff0c;之前一直不知道&#xff0c;一直都是盲目换源&#xff0c;版本如果不匹配的话&#xff…

【日常】矩阵正态分布参数检验问题

最近给凯爹做的一个苦力活&#xff0c;统计检验这个东西说实话也挺有趣&#xff0c;跟算法设计一样&#xff0c;好的检验真的是挺难设计的&#xff0c;就有近似算法的那种感觉&#xff0c;检验很难保证size和power都很理想&#xff0c;所以就要做tradeoff&#xff0c;感觉这个假…

DPR-34 AC22V【双位置继电器】

系列型号&#xff1a; DPR-20双位置继电器&#xff1b;DPR-31双位置继电器&#xff1b; DPR-32双位置继电器&#xff1b;DPR-33双位置继电器&#xff1b; DPR-34双位置继电器&#xff1b;DPR-35双位置继电器&#xff1b; DPR-11双位置继电器&#xff1b;DPR-12双位置继电器&…

Python-项目实战--贪吃蛇小游戏-游戏框架搭建(3)

1.游戏框架搭建介绍pygame开发图像界面游戏的几个要素&#xff0c;并且把贪吃蛇游戏的整体框架搭建完成本节知识点包括&#xff1a;pygame的初始化和退出游戏主窗口游戏循环和游戏时钟主窗口背景颜色绘制文本pygame的坐标系游戏事件监听绘制图形定时器事件1.5绘制文本pygame的f…

Nuclei文*件上*传FUZZ POC

目录 1.前言 2. Nuclei文件上传FUZZ POC 3. 实战中的应用 1.前言 该文件上传FUZZ POC主要来源于一个靶*场,该POC 主要用来FUZZ目标js页面中的upload ajax请求,以此来进一步尝试文件上传漏*洞利*用。 这里也要感谢下“打工仔1号”提供的开*发人员常见的文*件上*传javaScr…

设计模式(九)----结构型模式之代理模式

一、结构型模式 结构型模式描述如何将类或对象按某种布局组成更大的结构。它分为类结构型模式和对象结构型模式&#xff0c;前者采用继承机制或者实现机制来组织接口和类&#xff0c;后者釆用组合或聚合来组合对象。 由于组合关系或聚合关系比继承关系耦合度低&#xff0c;满…

数字孪生|可视化图表之堆叠柱状图

一、含义 堆叠柱状图&#xff08;Stacked Bar Chart&#xff09;将每个柱子进行分割以显示相同类型下各个数据的大小情况&#xff0c;它将多个数据集的柱子彼此叠加显示&#xff0c;适合用来显示大类别如何细分为较小的类别&#xff0c;以及每部分与总量之间的关系。在展示不同…

Lecture5 实现线性回归(Linear Regression with PyTorch)

目录 1 Pytorch实现线性回归 1.1 实现思路 1.2 完整代码 2 各部分代码逐行详解 2.1 准备数据集 2.2 设计模型 2.2.1 代码 2.2.2 代码逐行详解 2.2.3 疑难点解答 2.3 构建损失函数和优化器 2.4 训练周期 2.5 测试结果 3 线性回归中常用优化器 1 Pytorch实现线性回归…