本文共 1260 字，大约阅读时间需要 4 分钟。

观光景点最高得分组合的寻找

问题分析

给定一个正整数数组A，A[i]表示第i个观光景点的评分。任何一对景点(i, j)（其中i < j）组成的观光组合得分为A[i] + A[j] + i - j，即评分之和减去两个景点之间的位置差。我们的目标是找到最能取得最高得分的一对观光景点。

常规方法与优化

暴力求解方法

暴力求解方法通过双重循环遍历所有可能的(i, j)对，计算每对的得分并找出最大值。尽管这是一种直接的方法，但其时间复杂度为O(n²)，在大规模数据下难以接受。

双变量优化法

为了提高效率，可以利用观察推导：得分公式可以重新整理为 (A[i] + i) + (A[j] - j)。这样，我们需要找到两个部分的最大值，其中第二个部分必须在第一个部分之后。于是，我们只需遍历数组一次，分别维护当前的最大(A[i] + i)值和(max_i)以及(A[j] - j)的最大值(max_j)。

动态规划方法

动态规划方法则通过记录每一步的最大值，避免重复计算。相当于每个点j要么来自于之前的点i的延伸，即dp[j] = dp[j-1] - A[j-1] + A[j] - (j-1)，或者它本身的新组合，即A[j] + A[j-1] -1。记录整个过程中的最大值即可。

优化后的解决方案

解法2中的双变量优化法实际上是最优的，能够在O(n)的时间复杂度内解决问题。这种方法通过一次遍历优先探索能够带来最大得分的观光组合，即使在大规模数据下同样高效可靠。

实现思路

我们可以通过以下步骤实现：

这种方法的时间复杂度为O(n)，在处理至多50000个元素的场景中表现优异。

代码实现

public int maxScoreSightseeingPair(int[] A) {    if (A == null || A.length == 0) {        return 0;    }    int max_i = 0;    int max_j = 0;    for (int j = 0; j < A.length; j++) {        max_j = Math.max(max_j, A[j] + max_i - j);        max_i = Math.max(max_i, A[j] + j);    }    return max_j;}

结论

通过双变量优化法，我们可以在O(n)时间复杂度内高效地解决问题，确保在大规模数据下同样成为性能的瓶颈。该方法不仅时间优越，而且逻辑简洁易懂，适合快速实现和应用于实际问题中。

转载地址：http://jbigz.baihongyu.com/