【动态规划】【前缀和】【和式变换】100216. K 个不相交子数组的最大能量值

简介: 【动态规划】【前缀和】【和式变换】100216. K 个不相交子数组的最大能量值

本文涉及知识点

动态规划汇总

C++算法:前缀和、前缀乘积、前缀异或的原理、源码及测试用例 包括课程视频

LeetCode 100216. K 个不相交子数组的最大能量值

给你一个长度为 n 下标从 0 开始的整数数组 nums 和一个 正奇数 整数 k 。

x 个子数组的能量值定义为 strength = sum[1] * x - sum[2] * (x - 1) + sum[3] * (x - 2) - sum[4] * (x - 3) + … + sum[x] * 1 ,其中 sum[i] 是第 i 个子数组的和。更正式的,能量值是满足 1 <= i <= x 的所有 i 对应的 (-1)i+1 * sum[i] * (x - i + 1) 之和。

你需要在 nums 中选择 k 个 不相交子数组 ,使得 能量值最大 。

请你返回可以得到的 最大能量值 。

注意,选出来的所有子数组 不 需要覆盖整个数组。

示例 1:

输入:nums = [1,2,3,-1,2], k = 3

输出:22

解释:选择 3 个子数组的最好方式是选择:nums[0…2] ,nums[3…3] 和 nums[4…4] 。能量值为 (1 + 2 + 3) * 3 - (-1) * 2 + 2 * 1 = 22 。

示例 2:

输入:nums = [12,-2,-2,-2,-2], k = 5

输出:64

解释:唯一一种选 5 个不相交子数组的方案是:nums[0…0] ,nums[1…1] ,nums[2…2] ,nums[3…3] 和 nums[4…4] 。能量值为 12 * 5 - (-2) * 4 + (-2) * 3 - (-2) * 2 + (-2) * 1 = 64 。

示例 3:

输入:nums = [-1,-2,-3], k = 1

输出:-1

解释:选择 1 个子数组的最优方案是:nums[0…0] 。能量值为 -1 。

提示:

1 <= n <= 104

-109 <= nums[i] <= 109

1 <= k <= n

1 <= n * k <= 106

k 是奇数。

动态规划

动态规划的状态表示

iK∈ \in[0,k)

pre[j]表示从nums[0…j)选择前iK-1个子数组组成的表达式的最大和。最后一个子数组以nums[j-1]结尾。

dp[j]表示从nums[0…j)选择前iK个子数组组成的表达式的最大和。最后一个子数组以nums[j-1]结尾。

状态数:O(nk)

利用和式变换简化动态规划的转移方程


image.png

转移方程时间复杂度O(1),故总时间复杂度O(nk)

动态规划的初始值

pre全部为0。

动态规划的填表顺序

ik从0到iK-1,j从1到n。

特例

由于 k <= n,故一定能拆分成k组,前iK组的和一定大于等于 -1013 ,我们用-1014表示非法。

代码

核心代码

class Solution {
public:
  long long maximumStrength(vector<int>& nums, int k) {
    m_c = nums.size();
    vector<long long> pre(m_c+1);
    for (int iK = 0; iK < k; iK++)
    {
      vector<long long> dp(m_c + 1, -1E14);
      if (1 & iK)
      {
        Odd(dp, pre, nums,k-iK);
      }
      else
      {
        Even(dp, pre, nums, k - iK);
      }
      pre.swap(dp);
    }
    return *std::max_element(pre.begin(), pre.end());
  }
  void Odd(vector<long long>& dp, const vector<long long>& pre,const vector<int>& nums,const int x )
  {//奇数
    long long maxPre = -1E14,llMax = -1E14,llSum=0;
    for (int j = 1; j <= m_c ; j++)
    {//假定第iK个子数组是nums[i,j],则最大值为:maxPre - sum[0...j] + sum[0...i),llMax=第一项和第三项合并
      maxPre = max(maxPre, pre[j-1]);
      llMax = max(llMax, maxPre + llSum);//第iK个子数组,以nums[j]开头     
      llSum += (long long)nums[j-1]*x;
      dp[j] = llMax - llSum;      
    }
  }
  void Even(vector<long long>& dp, const vector<long long>& pre, const vector<int>& nums, const int x)
  {//偶数
    long long maxPre = (long long)-1E14, llMax = -1E14, llSum = 0;
    for (int j = 1; j <= m_c; j++)
    {//假定第iK个子数组是nums[i,j],则最大值为:maxPre + sum[0...j] - sum[0...i),llMax=第一项和第三项合并
      maxPre = max(maxPre, pre[j-1]);
      llMax = max(llMax, maxPre - llSum);//第iK个子数组,以nums[j]开头     
      llSum += (long long)nums[j - 1] * x;
      dp[j] = llMax + llSum;      
    }
  }
  int m_c;
};

测试用例

template<class T, class T2>
void Assert(const T& t1, const T2& t2)
{
  assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
  if (v1.size() != v2.size())
  {
    assert(false);
    return;
  }
  for (int i = 0; i < v1.size(); i++)
  {
    Assert(v1[i], v2[i]);
  }
}
int main()
{
  vect
  or<int> nums;
  int k;
  {
    Solution sln;
    nums = { -100000000, -10000000, 123, 234 }, k = 3;
    auto res = sln.maximumStrength(nums, k);
    Assert(-30000012, res);
  }
  {
    Solution sln;
    nums = { 1,2,3,-1,2 }, k = 3;
    auto res = sln.maximumStrength(nums, k);
    Assert(22, res);
  }
  {
    Solution sln;
    nums = { 12,-2,-2,-2,-2 }, k = 5;
    auto res = sln.maximumStrength(nums, k);
    Assert(64, res);
  }
  {
    Solution sln;
    nums = { -1,-2,-3 }, k = 1;
    auto res = sln.maximumStrength(nums, k);
    Assert(-1, res);
  }
}

优化

pre[j]表示从nums[0…j)选择前iK-1个子数组组成的表达式的最大和。最后一个子数组以nums[x]结尾,x∈ \in[0,j)。

class Solution {
public:
  long long maximumStrength(vector<int>& nums, int k) {
    m_c = nums.size();
    vector<long long> pre(m_c + 1);
    for (int iK = 0; iK < k; iK++)
    {
      vector<long long> dp(m_c + 1, -1E14);
      long long maxAdd = -1E14, maxSub = -1E14,maxPre = -1E14;
      long long llSum = 0;
      for (int j = 1; j <= m_c; j++)
      {
        maxPre = max(maxPre, pre[j-1]);
        maxAdd = max(maxAdd, maxPre - llSum);
        maxSub = max(maxSub, maxPre + llSum);
        llSum += nums[j - 1]*(long long) ( k - iK );
        dp[j] = (iK & 1) ? (maxSub - llSum) : (maxAdd + llSum);
      }
      pre.swap(dp);
    }
    return *std::max_element(pre.begin(), pre.end());
  }
  int m_c;
};


扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

https://edu.csdn.net/course/detail/38771

如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

https://edu.csdn.net/lecturer/6176

相关下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境: VS2022 C++17

如无特殊说明,本算法用**C++**实现。

相关文章
|
7月前
|
算法 机器人 测试技术
【动态规划】【前缀和】【推荐】2463. 最小移动总距离
【动态规划】【前缀和】【推荐】2463. 最小移动总距离
|
7月前
|
人工智能 移动开发 算法
【动态规划】【C++算法】LeetCoce996正方形数组的数目
【动态规划】【C++算法】LeetCoce996正方形数组的数目
|
7月前
|
算法 测试技术 C#
【二分查找】LeetCode1970:你能穿过矩阵的最后一天
【二分查找】LeetCode1970:你能穿过矩阵的最后一天
前缀和、差分、二分
前缀和、差分、二分
73 0
|
算法
【算法专题突破】双指针 - 有效三角形的个数(5)
【算法专题突破】双指针 - 有效三角形的个数(5)
35 0
|
4月前
|
算法
【算法】前缀和——二维前缀和模板题
【算法】前缀和——二维前缀和模板题
|
4月前
|
算法 测试技术
【算法】二分算法——寻找旋转排序数组中的最小值
【算法】二分算法——寻找旋转排序数组中的最小值
|
2月前
acwing 173 矩阵距离
acwing 173 矩阵距离
14 0
|
4月前
|
算法
【算法】前缀和——除自身以外数组的乘积
【算法】前缀和——除自身以外数组的乘积
|
7月前
DAY-4 | 力扣 - 求自身以外数组的乘积:区间划分,左右累乘,巧求乘积
该文档是关于LeetCode上的一道题目“Product of Array Except Self”的题解。提供了两种解题方法,一是暴力破解,即计算所有数的乘积后再逐个除以当前元素;二是左右累乘法,通过两次遍历数组分别计算左侧和右侧元素的乘积,避免了除法操作。其中,左右累乘法更优,代码实现中展示了这种方法。
48 1