Max Sum Plus Plus
Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)
Total Submission(s): 12589 Accepted Submission(s): 4146
Given a consecutive number sequence S1, S2, S3, S4 ... Sx, ... Sn (1 ≤ x ≤ n ≤ 1,000,000, -32768 ≤ Sx ≤ 32767). We define a function sum(i, j) = Si + ... + Sj (1 ≤ i ≤ j ≤ n).
Now given an integer m (m > 0), your task is to find m pairs of i and j which make sum(i1, j1) + sum(i2, j2) + sum(i3, j3) + ... + sum(im, jm) maximal (ix ≤ iy ≤ jx or ix ≤ jy ≤ jx is not allowed).
But I`m lazy, I don't want to write a special-judge module, so you don't have to output m pairs of i and j, just output the maximal summation of sum(ix, jx)(1 ≤ x ≤ m) instead. ^_^
Process to the end of file.
【问题描述】----最大M子段和问题
给定由 n个整数(可能为负整数)组成的序列a1,a2,a3,……,an,以及一个正整数 m,要求确定序列 a1,a2,a3,……,an的 m个不相交子段,
使这m个子段的总和达到最大,求出最大和。
题解:转自http://www.cnblogs.com/peng-come-on/archive/2012/01/15/2322715.html
动态规划的思想。
1.基本思路:
首先,定义数组num[n],dp[m][n].
num[n]用来存储n个整数组成的序列.
dp[i][j]用来表示由前 j项得到的含i个字段的最大值,且最后一个字段以num[j]项结尾。仔细想想,我们可以知道:
dp[i][j]=max(dp[i][j-1]+num[j],dp(i-1,t)+num[j]) 其中i-1<=t<=j-1.
(因为必须是以 num[j] 结尾的,所以num[j]一定属于最后一个子段,即要么自己独立成一个子段,要么与前边以num[j-1]结尾的子段联合)
所求的最后结果为 max( dp[m][j] ) 其中1<=j<=n.
但是,我们会发现,当n非常大时,这个算法的时间复杂度和空间复杂度是非常高的,时间复杂度近似为O(m*n^2),
空间复杂度近似为O(m*n).因此,我们需要优化算法来降低时间复杂度和空间复杂度.
2.优化算法:
(1)节省时间
由基本思路,我们可以知道,dp[i][j]=max(dp[i][j-1]+num[j],dp(i-1,t)+num[j]),其中i-1<=t<=j-1.我们只要找到dp[i][j-1]
和dp[i-1][t]的最大值加上num[j]即为dp[i][j].所以,定义一个数组pre_max[n],用pre_max[j-1]来表示求解dp[i][j]时dp[i-1][t]
的最大值,则dp[i][j]=max(pre_max[j-1],dp[i][j-1])+num[j].
特别注意,pre_max[n]这个位置的存储空间是始终用不到的,因此可以用来存储其他数值,在接下来会用到。
在求解dp[i][j]的同时,我们可以计算出dp[i][t];i<=t<=j的最大值,这个最大值在计算dp[i+1][j+1]的时候需要作为pre_max[j]的
形式被使用,我们先把它存在pre_max[n]中。
你可能会问:为什么不把它直接放在pre_max[j]中呢?因为你接下来需要计算dp[i][j+1]的值,需要用到pre_max[j]中原来的值,
如果你把它存在这里,就会覆盖掉计算dp[i][j+1]所需要的那个值。所以,先把它放在pre_max[n]中。
当我们计算完dp[i][j+1]之后,就会发现pre_max[j]中的值已经没有用处了,我们可以把它更新为计算dp[i+1][j+1]所需要的那个值,
即之前放在pre_max[n]中的那个值,即执行pre_max[j]=pre_max[n].
这样我们就节省了计算最大值时付出的时间代价。
(2)节省空间
通过时间的节省,我们突然间发现程序执行结束后pre_max[n]的值即为最后的结果,pre_max[n]数组才是我们希望求解的,
dp[m][n]这个庞大的数组已经不是那么重要了,因此,我们现在用整型数tmp来代替dp[m][n],用来临时存储dp[i][j]的值,
作为求解pre_max[n]的中介。
这样就节省了dp[i][j]占用的极大的空间.
代码一:
1 #include <cstdio> 2 #include <iostream> 3 const int MAX = 1000005; 4 5 using namespace std; 6 7 int num[MAX], pre_max[MAX]; 8 9 inline int max(int a, int b) 10 { 11 return a > b ? a : b; 12 } 13 14 int DP(int n, int m) 15 { 16 for(int i = 1; i <= m; ++i) 17 { 18 /*****初始化*****/ 19 int tmp = 0; 20 for(int k = 1; k <= i; ++k) 21 tmp += num[k]; 22 pre_max[n] = tmp; 23 24 for(int j = i+1; j <= n; ++j) 25 { 26 tmp = max(pre_max[j-1], tmp) + num[j]; 27 pre_max[j-1] = pre_max[n]; 28 pre_max[n] = max(pre_max[n], tmp); 29 } 30 } 31 return pre_max[n]; 32 } 33 34 int main() 35 { 36 int n, m; 37 while(~scanf("%d%d", &m, &n)) 38 { 39 for(int i = 1; i <= n; ++i) 40 { 41 scanf("%d", &num[i]); 42 pre_max[i] = 0; 43 } 44 printf("%d\n", DP(n, m)); 45 } 46 return 0; 47 }
代码二:(讨论区粘的)
1 #include<iostream> 2 #include<climits> 3 #include<cstring> 4 #include<cstdio> 5 #include<cstdlib> 6 using namespace std; 7 int max(int *a,int m,int n) 8 { 9 int *c; 10 int *p; 11 int max, i, j; 12 c=new int[n+1]; 13 p=new int[n+1]; 14 for(i=0; i<n+1; i++) 15 p[i]=0; 16 c[0]=0; 17 for(i=1; i<=m; ++i) 18 { 19 max=INT_MIN; 20 for(j = i; j <= n; ++j) 21 { 22 if(c[j-1]< p[j-1]) 23 c[j]= p[j-1]+a[j-1]; 24 else 25 c[j]=c[j-1]+a[j-1]; 26 p[j-1]=max; 27 if(max<c[j]) 28 max=c[j]; 29 } 30 p[j-1]=max; 31 } 32 delete []p; 33 delete []c; 34 return max; 35 } 36 int main() 37 { 38 int n,m,i,*d; 39 while(cin>>m>>n) 40 { 41 d=new int[n]; 42 for(i=0;i<n;++i) 43 cin>>d[i]; 44 cout<<max(d, m, n)<<endl; 45 delete [] d; 46 } 47 return 0; 48 }