广州做服装电商拿货的网站视频推广方案模板

• Leetcode 3077. Maximum Strength of K Disjoint Subarrays
  • 1. 解题思路
    • 1. 朴素思路
    • 2. 算法优化
  • 2. 代码实现

• 题目链接：3077. Maximum Strength of K Disjoint Subarrays

1. 解题思路

这道题很惭愧没有搞定，思路上出现了差错，导致一直没能搞定，最后是看了大佬的算法才搞定的，唉，不过确实比较巧妙，因此这里把我们的朴素实现思路和大佬们的思路都在这里整理一下，留个记录。

1. 朴素思路

首先，我拿到这道题目之后的一个朴素的思路就是动态规划，显然，我们就是要将一个长度为n的arr分成k段，然后在每段当中获取最大/最小的subarray的和，然后乘以因子之后求和获取最大值。

因此，我们用一个动态规划即可处理这个问题。

然后，对于中间的每一个subarry，对于如何其中最大最小值的问题，我们用一个累积数组就可以将问题转换为如何求一个array的任意元素之后最大/最小元素的问题，这个是简单的。

因此，我们就可以快速给出代码如下：

class Solution:def maximumStrength(self, nums: List[int], k: int) -> int:n = len(nums)s = list(accumulate(nums, initial=0))factors = [(i+1)*(-1)**(i%2) for i in range(k)]print(s)@lru_cache(None)def dp(idx, r):if r == 0:return 0ans = -math.infif r % 2 == 1:_min = s[idx]sub = -math.inffor i in range(idx+1, n-r+2):sub = max(sub, s[i] - _min)_min = min(_min, s[i])ans = max(ans, factors[r-1] * sub + dp(i, r-1))else:_max = s[idx]sub = math.inffor i in range(idx+1, n-r+2):sub = min(sub, s[i] - _max)_max = max(_max, s[i])ans = max(ans, factors[r-1] * sub + dp(i, r-1))return ansans = dp(0, k)return ans

不过这段代码遇到了超时问题，无法正常通过。

其原因在于虽然动态规划的总的时间复杂度是$O(NK)$，但是由于内部还有一重循环，导致最坏的情况下时间复杂度变成了$O(N^{2}K)$，这显然就无法通过测试样例了。

2. 算法优化

而大佬的思路则是和我们相反的，我们是考虑如何将整体的array进行分段，大佬的思路则是考察array当中每一个元素的归属，显然，这只有以下几种情况：

• 哪个subarray都不属于
• 属于某一个subarray
  • 与前一个元素都属于同一个subarray
  • 是一个新的subarray第一个元素

此时，我们只需要给出两个$k$维的动态规划向量dp0, dp1，对于某一个元素，他们的任意一维i分别表示：

• dp0[i]表示当前元素属于第$i$个subarray时，能够获得的最大strength
• dp1[i]表示之前所有元素被分为$i$个subarray时，能够获得的最大strength

此时，我们显然有迭代关系：
$$\begin{array}{rl}dp{0}_t(i)& =\alpha \cdot n_i+\max (dp{0}_{t-1}(i),dp{1}_t(i-1))\\ dp{1}_t(i)& =\max (dp{1}_{t-1}(i),dp{0}_t(i))\end{array}$$

由此，遍历整个长度为n的array，我们即可从dp1中得到其所有元素被分至$k$个subarray时能够获得的最大strength。

我们将其翻译为代码语言即可。

2. 代码实现

给出python代码实现如下：

class Solution:def maximumStrength(self, nums: List[int], k: int) -> int:factors = [(k-i)*(-1)**(i%2) for i in range(k)]# dp0 stand for consecutive and dp1 for inconsecutivedp0 = [-math.inf for _ in range(k)]dp1 = [-math.inf for _ in range(k)]for num in nums:# s[i] stand for max result including num in ith subarrays = [-math.inf for _ in range(k)]s[0] = num * factors[0] + max(0, dp0[0])for i in range(1, k):s[i] = num * factors[i] + max(dp0[i], dp1[i-1])for i in range(k):dp1[i] = max(dp1[i], s[i])dp0 = sreturn dp1[-1]

提交代码评测得到：耗时2386ms，占用内存18MB。