Arrays 两个元素不相邻的最大和
现在每个地方可用的解决方案都是包含和排除和。最后,Arrays 两个元素不相邻的最大和,arrays,algorithm,data-structures,Arrays,Algorithm,Data Structures,现在每个地方可用的解决方案都是包含和排除和。最后,max这两个函数将给出输出 起初我很难理解这个算法,我想为什么不用一种简单的方法 算法: 通过一次增加两个数组指针来循环数组 计算数组中奇数位置的元素sum 计算偶数定位元素sum 最后,取这两个sum中的max 这样,我认为复杂性将减少一半O(n/2) 这个算法正确吗?这是动态规划的一个例子。算法是: 不要(汇总)任何非正面项目 对于正数,将问题分成两部分:尝试获取和跳过项目,并返回这些选项的最大值: 让我们展示第二步,想象我们得到: [1,
max
这两个函数将给出输出
起初我很难理解这个算法,我想为什么不用一种简单的方法
算法:
通过一次增加两个数组指针来循环数组
sum
sum
sum
中的max
这样,我认为复杂性将减少一半O(n/2)
这个算法正确吗?这是动态规划的一个例子。算法是:
[1, 2, 3, 4, 5, 6, 10, 125, -8, 9]
1
为正,这就是原因
take_sum = max(1 + max_sum([3, 4, 5, 6, 10, 125, -8, 9])) // we take "1"
skip_sum = max_sum([2, 3, 4, 5, 6, 10, 125, -8, 9]) // we skip "1"
max_sum = max(take_sum, skip_sum)
C#实现(为了展示赤裸裸的想法,最简单的代码,无需进一步优化):
结果:
Console.WriteLine(BestSum(new int[] { 1, -2, -3, 100 }));
Console.WriteLine(BestSum(new int[] { 100, 8, 10, 20, 7 }))
101
120
using System.Linq;
...
Random gen = new Random(0); // 0 - random, by repeatable (to reproduce the same result)
int[] test = Enumerable
.Range(1, 10000)
.Select(i => gen.Next(100))
.ToArray();
int evenSum = test.Where((v, i) => i % 2 == 0).Sum();
int oddSum = test.Where((v, i) => i % 2 != 0).Sum();
int suboptimalSum = Math.Max(evenSum, oddSum); // <- Your initial algorithm
int result = BestSum(test);
Console.WriteLine(
$"odd: {oddSum} even: {evenSum} suboptimal: {suboptimalSum} actual: {result}");
odd: 246117 even: 247137 suboptimal: 247137 actual: 290856
请检查初始算法是否返回次优和98
和117
编辑:在现实生活中,您可能需要添加一些优化,例如记忆和特殊情况测试:
private static Dictionary<int, int> s_Memo = new Dictionary<int, int>();
private static int BestSum(int[] array, int index) {
if (index >= array.Length)
return 0;
int result;
if (s_Memo.TryGetValue(index, out result)) // <- Memoization
return result;
if (array[index] <= 0)
return BestSum(array, index + 1);
// Always take, when the last item to choose or when followed by non-positive item
if (index >= array.Length - 1 || array[index + 1] <= 0) {
result = array[index] + BestSum(array, index + 2);
}
else {
int take = array[index] + BestSum(array, index + 2);
int skip = BestSum(array, index + 1);
result = Math.Max(take, skip);
}
s_Memo.Add(index, result); // <- Memoization
return result;
}
private static int BestSum(int[] array) {
s_Memo.Clear();
return BestSum(array, 0);
}
动态规划包含排除法是正确的,您的算法不适用于像3 2 7 10这样的测试用例。在这个测试用例中,我们采用的两个元素是3 10,和是13,而不是3,7或2,10。请您理解我的意思,为进一步澄清,代码如下 Java实现
public int maxSum(int arr[]) { // array must contain +ve elements only
int excl = 0;
int incl = arr[0];
for (int i = 1; i < arr.length; i++) {
int temp = incl;
incl = Math.max(excl + arr[i], incl);
excl = temp;
}
return incl;
}
public int-maxSum(int-arr[]){//数组只能包含+ve元素
int excl=0;
int incl=arr[0];
对于(int i=1;i
不,这行不通。为什么?因为不相邻并不意味着所有的数字都必须只在奇数或偶数索引中。考虑<代码> [1,-2–3, 100 ] < /代码>。解决方案是1+100
,它是奇数和偶数index@LalitVerma我实现了,我来到这里,因为我没有找到解决方案,因为Subhadepi非常喜欢这个答案!你会推荐更多关于动态编程示例的资源吗?@simo:动态编程(有时称为智能递归)是众所周知的编程方法;有很多关于它的书,比如说,谢谢德米特里,我会检查那本书
public int maxSum(int arr[]) { // array must contain +ve elements only
int excl = 0;
int incl = arr[0];
for (int i = 1; i < arr.length; i++) {
int temp = incl;
incl = Math.max(excl + arr[i], incl);
excl = temp;
}
return incl;
}