热门标签
热门文章
- 1代码随想录算法训练营第33天
- 2山东大学软件学院项目实训项目_大模型自我认知训练_自我认知数据集
- 3网络分层 之 五层因特网协议栈和七层因特网协议栈_协议栈层级
- 4AI Agent在11个领域100个应用场景_ai agent应用
- 5Android&Linux系统suspend/resume机制_android suspend
- 6值得收藏！2024年人工智能顶级会议投稿信息汇总（大数据领域）_bdcloud是什么会议级别(1)_2024年ai人工智能顶会论文ddl提交截止时间表
- 7dump-命令使用_-dumpdir
- 8数据生成文本文献阅读笔记01_data-to-text
- 9CentOS7安装MySQL和MariaDB + 使用SQLYog进行数据库之间的数据传输_centos7.0使用sq连接数据库
- 10Python预测体重变化：决策树、tf神经网络、随机森林、梯度提升树、线性回归可视化分析吸烟与健康调查数据...
当前位置: article > 正文
动态规划经典题目：最大连续子序列和、最大不连续子序列和_dp[i]=max(dp[i-1],sum[i]+f[s[i]]);
作者：你好赵伟 | 2024-07-10 05:50:15
赞
踩
dp[i]=max(dp[i-1],sum[i]+f[s[i]]);
1.最大连续子序列和： 记数组为nums
思路： 记录dp[i]为i位置结尾的最大连续子序列和
则有dp[i]=dp[i-1]>0?(dp[i-1]+nums[i]):nums[i];
然后求dp数组的max即为最终结果
1.最大不连续子序列和： 记数组为nums
思路： 记录dp[i]为i位置的最大不连续子序列和
则有两种情况dp[i]=dp[i-1] 或者dp[i]=dp[i-2]+nums[i] 即不选或者选择当前位置
那么整理为dp[i]=max(dp[i-1],dp[i-2]+nums[i])
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/你好赵伟/article/detail/805011
推荐阅读
相关标签
