给出一个数字列表,找出时间复杂度为o(n)且空间复杂度为o(1)的非相邻元素的最大总和,我可以使用:
sum1= 0
sum2= list[0]
for i in range(1, len(list)):
num= sum1
sum1= sum2+ list[i]
sum2= max(num, sum2)
print(max(sum2, sum1))
这个代码只有在k = 1 [求和数之间只有一个元素]时才能工作,如何通过动态编程改变k值来改善它。其中k是求和数之间的元素数。 例如:
list = [5,6,4,1,2] k = 1 答案= 11#5 + 4 + 2
list = [5,6,4,1,2] k = 2 答案= 8#6 + 2
list = [5,3,4,10,2] k = 1 答案= 15#5 + 10
答案 0 :(得分:4)
可以通过空间 O(k)和时间 O(nk)来解决这个问题。如果 k 是常量,则符合您问题中的要求。
算法从位置 k + 1 循环到 n 。 (如果数组比那个短,显然可以在 O(k)中解决。在每一步,它都维护一个长度为 k + 1 的数组best
,这样best
的 j 条目就是找到的最佳解决方案到目前为止,它使用的最后一个元素至少是当前位置左侧的 j 。
初始化best
是通过为其条目 j 设置数组中位置 1,...,k + 1 - 中最大的非负条目来完成的。 Ĵ。因此,例如,best[1]
是位置 1,...,k 中最大的非负数条目,而best[k + 1]
为0。
当在数组的位置 i 时,使用元素 i 。如果使用,相关best
到现在为best[1]
,请写u = max(best[1] + a[i], best[1])
。如果未使用元素 i ,那么每个"至少"部分移位一个,因此对于 j = 2,...,k + 1 ,best[j] = max(best[j], best[j - 1])
。最后,设置best[1] = u
。
在算法终止时,解决方案是best
中的最大项目。
答案 1 :(得分:2)
编辑:
我误解了这个问题,如果你需要在其间有“至少”k个元素,那么下面是O(n^2)
解决方案。
如果数字为非负数,则DP递归关系为:
DP[i] = max (DP[j] + A[i]) For all j st 0 <= j < i - k
= A[i] otherwise.
如果数组中也有负数,那么我们可以使用Kadane算法的想法:
DP[i] = max (DP[j] + A[i]) For all j st 0 <= j < i - k && DP[j] + A[i] > 0
= max(0,A[i]) otherwise.
答案 2 :(得分:1)
这是Ami Tavory描述的算法的快速实现(据我所知)。它适用于任何序列,但如果您的列表全部为负数,则最大总和将为0
(空子序列的总和)。
import collections
def max_sum_separated_by_k(iterable, k):
best = collections.deque([0]*(k+1), k+1)
for item in iterable:
best.appendleft(max(item + best[-1], best[0]))
return best[0]
这使用O(k)
空格和O(N)
时间。所有deque
操作,包括向一端附加值(并从另一端隐式删除一个以保持长度限制)和从末尾读取,都是O(1)
。
如果您希望算法返回最大子序列(而不仅仅是其总和),您可以将deque
的初始化更改为以空列表而不是0
开头,然后追加{ {1}}在循环体中。但这样效率会相当低,因为它会在整个地方添加max([item] + best[-1], best[0], key=sum)
个操作。
答案 3 :(得分:0)
不确定复杂程度,但编码效率让我感到满意
max([sum(l[i::j]) for j in range(k,len(l)) for i in range(len(l))])
(我已list
替换l
变量,而不是踩到关键字。