『最大M子段和 線性DP』
阿新 • • 發佈:2019-01-02
<更新提示>更新提示>
<第一次更新>第一次更新>
<正文>正文>
最大M子段和(51nod 1052)
Description
N個整陣列成的序列a[1],a[2],a[3],…,a[n],將這N個數劃分為互不相交的M個子段,並且這M個子段的和是最大的。如果M >= N個數中正數的個數,那麼輸出所有正數的和。
例如:-2 11 -4 13 -5 6 -2,分為2段,11 -4 13一段,6一段,和為26。
Input Format
第1行:2個數N和M,中間用空格分隔。N為整數的個數,M為劃分為多少段。(2 <= N , M <= 5000)
第2 - N+1行:N個整數 (-10^9 <= a[i] <= 10^9)
Output Format
輸出這個最大和
Sample Input
7
2
-2
11
-4
13
-5
6
-2
Sample Output
26
解析
還是序列最優值問題,很明顯是線性DP。不過這一次的狀態設定比較裸。
\(f[i][j]\)表示把序列的前\(j\)個元素分為\(i\)段的最大和,其中必須包括第\(j\)個元素。
那麼這就成了一道如何優化DP轉移的問題。最暴力的思路當然是考慮兩種情況:
1.第j個元素和之前的若干元素分入同一個段。
2.第j個元素分入新的一個段。
那麼狀態轉移方程就是:
\[ f[i][j]=max(f[i][j-1]+a[j],max\{f[i-1][k]\}+a[j])(k<j) \]
這是一個經典的決策集合優化DP模型。
注意到,當外層迴圈\(i\)不變時,隨著\(j\)的增加,\(k\)的取值範圍也只在原來的基礎上增加,那麼我們就可以使用決策集合優化,這裡選擇最簡單的一種講解。
由於第2中情況需要呼叫到\(max\{f[i-1][k]\}(k<j)\),那麼我們就設\(Maxf[i][j]\)代表\(f\)陣列中第一維為\(i\)時,第二維前\(j\)個值的最大值。
此時,很容易發現我們可以在更新\(f\)時順帶更新\(Maxf\),以便下一次更新\(f\)時呼叫,這樣就優化了一重迴圈,這就是決策集合優化。
最後一個問題,爆int,開longlong解決,爆空間,滾動陣列解決。
滾動陣列不再詳細講解。
\(Code:\)
#include<bits/stdc++.h>
using namespace std;
inline void read(long long &k)
{
long long w=0,x=0;char ch;
while(!isdigit(ch))w|=ch=='-',ch=getchar();
while(isdigit(ch))x=(x<<3)+(x<<1)+(ch^48),ch=getchar();
k=(w?-x:x);return;
}
const int N=5000+80,M=5000+80;
long long n,m,a[N],f[2][N]={},Maxf[2][N]={},ans=0;
inline void input(void)
{
read(n),read(m);
for(int i=1;i<=n;i++)read(a[i]);
}
inline void dp(void)
{
for(int i=1;i<=m;i++)
{
for(int j=i;j<=n;j++)
{
f[i&1][j]=max(f[i&1][j-1]+a[j],Maxf[i-1&1][j-1]+a[j]);
Maxf[i&1][j]=max(Maxf[i&1][j-1],f[i&1][j]);
}
}
}
int main(void)
{
input();
dp();
printf("%lld\n",Maxf[m&1][n]);
return 0;
}
考點:決策集合優化。
<後記>後記>