题面

有两个长为

n

n

n 的序列

a

a

a 和

b

b

b,至多反转

a

a

a 的一个子区间,最大化

i

=

1

n

a

i

b

i

\sum_{i=1}^na_i\cdot b_i

∑i=1n​ai​⋅bi​ 并输出这个值。

1

n

5000

1\leq n\leq5000

1≤n≤5000,答案不会爆 long long

题解

绝大部分人都在考场上用的是官方题解的做法,基本没有什么别的做法了,如果有,那估计就是提交榜单最末尾那些1900+ ms的做法吧。

数据非常小,再加上又是Div2,让人不禁想起暴力做法。朴素的暴力是枚举要翻转的区间

[

l

,

r

]

[l,r]

[l,r] ,然后把它带给答案的变化量加上,取最优输出。

这样是

O

(

n

3

)

O(n^3)

O(n3) 的,过不了。为什么这个暴力不可行,因为我们每次计算区间

[

l

,

r

]

[l,r]

[l,r] ,都要把整个

[

l

,

r

]

[l,r]

[l,r] 模拟翻转一遍在计算答案,这是低效的。

只要我们注意到

[

l

,

r

]

[l,r]

[l,r] 的答案可以从

[

l

+

1

,

r

1

]

[l+1,r-1]

[l+1,r−1] 的答案

O

(

1

)

O(1)

O(1) 转移过来,我们就解决这个问题了。这很好理解,因为这两个区间的旋转中心相等,它们的模拟翻转过程只有最边上不同。

你可以暴力从每个旋转中心往外扩展计算,也可以用 Dynamic Programming 仿照上面说的转移写。都是

O

(

n

2

)

O(n^2)

O(n2) 的,差别不大。

CODE

#include<set>
#include<queue>
#include<cmath>
#include<vector>
#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
using namespace std;
#define MAXN 5005
#define ENDL putchar('\n')
#define LL long long
#define DB double
#define lowbit(x) ((-x) & (x))
LL read() {
LL f = 1,x = 0;char s = getchar();
while(s < '0' || s > '9') {if(s=='-')f = -f;s = getchar();}
while(s >= '0' && s <= '9') {x=x*10+(s-'0');s = getchar();}
return f * x;
}
int n,m,i,j,s,o,k;
LL a[MAXN],b[MAXN];
int main() {
n = read();
LL sum = 0;
for(int i = 1;i <= n;i ++) a[i] = read();
for(int i = 1;i <= n;i ++) {
b[i] = read(); sum += a[i] * b[i];
}
LL ans = sum;
for(int i = 1;i <= n;i ++) {// 从中心扩展
LL sm = sum;
for(int j = i-1,k = i+1;j > 0 && k <= n;j --,k ++) { // 长度为奇数,中心是个点
sm -= a[j]*b[j] + a[k]*b[k];
sm += a[j]*b[k] + a[k]*b[j];
ans = max(ans,sm);
}
sm = sum;
for(int j = i,k = i+1;j > 0 && k <= n;j --,k ++) { // 长度为偶数,中心是个分界线
sm -= a[j]*b[j] + a[k]*b[k];
sm += a[j]*b[k] + a[k]*b[j];
ans = max(ans,sm);
}
}
printf("%lld\n",ans);
return 0;
}

[CF1519D] Maximum Sum of Products (暴力)的更多相关文章

  1. [LeetCode] Maximum Sum of 3 Non-Overlapping Subarrays 三个非重叠子数组的最大和

    In a given array nums of positive integers, find three non-overlapping subarrays with maximum sum. E ...

  2. 689. Maximum Sum of 3 Non-Overlapping Subarrays三个不重合数组的求和最大值

    [抄题]: In a given array nums of positive integers, find three non-overlapping subarrays with maximum ...

  3. 【leetcode】1031. Maximum Sum of Two Non-Overlapping Subarrays

    题目如下: Given an array A of non-negative integers, return the maximum sum of elements in two non-overl ...

  4. POJ2479 Maximum sum[DP|最大子段和]

    Maximum sum Time Limit: 1000MS   Memory Limit: 65536K Total Submissions: 39599   Accepted: 12370 Des ...

  5. ural 1146. Maximum Sum

    1146. Maximum Sum Time limit: 0.5 secondMemory limit: 64 MB Given a 2-dimensional array of positive ...

  6. UVa 108 - Maximum Sum(最大连续子序列)

    题目来源:https://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&category=3&pa ...

  7. 最大子矩阵和 URAL 1146 Maximum Sum

    题目传送门 /* 最大子矩阵和:把二维降到一维,即把列压缩:然后看是否满足最大连续子序列: 好像之前做过,没印象了,看来做过的题目要经常看看:) */ #include <cstdio> ...

  8. URAL 1146 Maximum Sum(最大子矩阵的和 DP)

    Maximum Sum 大意:给你一个n*n的矩阵,求最大的子矩阵的和是多少. 思路:最開始我想的是预处理矩阵,遍历子矩阵的端点,发现复杂度是O(n^4).就不知道该怎么办了.问了一下,是压缩矩阵,转 ...

  9. ural 1146. Maximum Sum(动态规划)

    1146. Maximum Sum Time limit: 1.0 second Memory limit: 64 MB Given a 2-dimensional array of positive ...

随机推荐

  1. 第2章 C++编程入门

    C++中的数据分为常量和变量. 2.1常量(Constants) 顾名思义,常量的值在程序中不能改变 Type of constant(常量数据类型) | integer:整型 | floating- ...

  2. CAP 6.1 版本发布通告

    前言 今天,我们很高兴宣布 CAP 发布 6.1 版本正式版,在这个版本中我们主要针对目前已经发现的几个BUG进行了修复了以及添加了一些小特性. 那么,接下来我们具体看一下吧. 总览 可能有些人还不知 ...

  3. idea 中菜单栏定位到类的图标消失(小齿轮按钮)

    本文链接:https://www.cnblogs.com/hchengmx/p/14533349.html 在2019.2以及以下版本 勾选:Autoscroll from source: 在2019 ...

  4. JAVA面向对象之封装和调用

    一   面向对象 面向对象的三大特性   1 封装:概念:封装是把过程和数据私有化,打包封存起来,对数据访问只能通过指定的方式.简单的可以理解为你把钱存到银行里,银行专员首先要给你开一个账户,之后你的 ...

  5. SAP Web Dynpro-门户集成

    您可以将ABAP应用程序集成到企业门户中. 您还可以从Web Dynpro应用程序管理门户网站功能. 您可以调用Web Dynpro代码向导来访问门户网站管理器方法. 这可以用来执行以下功能- 门户网 ...

  6. RPA跨系统自动生成采购订单

    1.从开发器启动机器人 2.RPA登录友采云 3.RPA根据筛选条件,导出采购订单 4.RPA请并登录NC 5.RPA把读取到的数据,逐个录入到NC系统中,并存储到Excel中 6.RPA将最终的Ex ...

  7. 岭回归和LASSO

    0.对于正则罚项的理解 1.岭回归(L2 ridge regression ) 是一种专用于共线性数据分析的有偏估计回归方法,实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信 ...

  8. squareline搭档OneOS图形组件之可视化GUI开发

    LVGL+OneOS! LVGL,一款很火的GUI开发库,一个高度可裁剪.低资源占用.界面美观且易用的嵌入式系统图形库.本身并不依赖特定的硬件平台,任何满足LVGL硬件配置要求的微控制器均可运行LVG ...

  9. [ZJCTF 2019]NiZhuanSiWei 1

    考察知识点:反序列化.php伪协议 1.打开之后获得源码信息,如下: <?php $text = $_GET["text"]; $file = $_GET["fil ...

  10. BUCK 电路PSIM仿真模型搭建之二 (传递函数模块的使用)

    1. 利用S函数模块进行环路仿真 将PI 写成 截止频率的表示形式 Kp* (Ti*s+1)/Ti*s  ,  这里Kp = 20,  Ti = 0.0001  ,  写入仿真模型参数框 仿真结果: ...