算法训练 最大的算式
时间限制：1.0s 内存限制：256.0MB
问题描述
题目很简单，给出N个数字，不改变它们的相对位置，在中间加入K个乘号和N-K-1个加号，（括号随便加）使最终结果尽量大。因为乘号和加号一共就是N-1个了，所以恰好每两个相邻数字之间都有一个符号。例如：
N=5，K=2，5个数字分别为1、2、3、4、5，可以加成：
1*2*(3+4+5)=24
1*(2+3)*(4+5)=45
(1*2+3)*(4+5)=45
……
N=5，K=2，5个数字分别为1、2、3、4、5，可以加成：
1*2*(3+4+5)=24
1*(2+3)*(4+5)=45
(1*2+3)*(4+5)=45
……
输入格式
输入文件共有二行，第一行为两个有空格隔开的整数，表示N和K，其中（2<=N<=15, 0<=K<=N-1）。第二行为 N个用空格隔开的数字（每个数字在0到9之间）。
输出格式
输出文件仅一行包含一个整数，表示要求的最大的结果
样例输入
5 2
1 2 3 4 5
1 2 3 4 5
样例输出
120
样例说明
(1+2+3)*4*5=120
题目解析：
本题涉及到一种算法——动态规划。
（1）动态规划思想
在分治求解过程中，有些子问题被重复计算了许多次。如果能够保存已解决的子问题的答案，而在需要时再找出，就可以避免大量重复问题的计算，从而得到多项式时间算法。
（2）设计动态规划的步骤
① 找出最优解的性质，并刻画其结构特征；
② 递归地定义最优值（写出动态规划方程）；
③ 以自底向上的方式计算出最优值（填入表格）；
④ 根据计算最优值时得到的信息，构造一个最优解。
说明： a.步骤 ① ~ ③ 是动态规划算法的基本步骤；
b.在只需要求出最优值的情况，步骤 ④ 可以省略；若需要求出一个最优解，则必须要有第 ④ 步。
（3）动态规划的特征
① 最优子结构
当问题的最优解包含了其子问题的最优解，称该问题具有最优子结构性质。
② 重叠子问题
在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重要性质，对每一个子问题只求 解一次，而后将其解保存在一个表格中，在以后尽可能多地利用这些子问题。
以题目给出的样例输入为例，分析动态规划算法：
（1）利用 sum 数组将前 i 个数之和保存。
（2）利用 dp 数组来保存前 i 个数有 0 个乘号时的最大值（全加时的值，与 sum 数组相同），即 dp[i][0]；
（3）在动态规划算法中，从第二（ i 从 2 开始）个数后开始加乘号，前 i 个数循环累加 i - 1 （j 从 1 开始，到 i -1 结束，且不能大于 k）个乘号，乘号位置循环从第一个数后的位置到第 i 个数前的位置（p 从 2 开始， 到 i 结束）；
step 1： i = 2 j = 1 p = 2 说明：前两个数，有一个乘号，位置在第二个数前面
dp[2][1] = 0 说明：前两个数一个乘号时，值为 0 （表1.2中 dp[2][1]）
dp[1][0] x ( sum[2] - sum[1] ) = 2 说明：前一个数没有乘号乘上前两个数之和减去前一个数之和，即前一个数乘第二个数（1*2 = 2）
dp[2][1] = max( 0 , 2 ) 说明：填入 dp 表中
step 2： i = 3 j = 1 p = 2 说明：前三个数，有一个乘号，位置在第二个数前面
dp[3][1] = 0 说明：前三个数一个乘号时，值为 0 （表1.2中 dp[3][1]）
dp[1][0] x ( sum[3] - sum[1] ) = 2 说明：前一个数没有乘号乘上前三个数之和减去前一个数之和，即前一个数乘前两个数之和（1*（2+3） = 5）
dp[3][1] = max( 0 , 5 ) 说明：填入 dp 表中
step 3： i = 3 j = 1 p = 3 说明：前三个数，有一个乘号，位置在第三个数前面
dp[3][1] = 5 说明：前三个数一个乘号时，值为 0 （表1.2中 dp[3][1]）
dp[2][0] x ( sum[3] - sum[2] ) = 9 说明：前两个数没有乘号乘上前三个数之和减去前两个数之和，即前一个数乘第三个数之和（（1+2）* 3） = 9）
dp[3][1] = max( 5 , 9 ) 说明：填入 dp 表中
. . . . . .
只到所有的循环执行结束，一共 19 步。dp 表最终结果为：
当 5 个数有 2 个乘号时，最大值应为 dp[5][2] = 120。在循环执行过程中，我们不用担心 dp[p-1][j-1] * (sum[i] - sum[p-1]) 究竟是那几个数得到的结果，而使用它的值就可以啦，这就是动态规划最重要的特性之一！
示例代码：
1 import java.io.BufferedReader; 2 import java.io.IOException; 3 import java.io.InputStreamReader; 4 5 public class Main { 6 public static void main(String[] args) throws IOException { 7 BufferedReader br = new BufferedReader(new InputStreamReader(System.in)); 8 String[] str = br.readLine().split(" "); 9 int n = Integer.parseInt(str[0]); 10 int k = Integer.parseInt(str[1]); 11 12 long[][] dp = new long[n+1][k+1]; //dp[i][j]表示前i个数中有j个乘号时，所得最大值 13 int[] sum = new int[n+1]; //前i个数之和 14 15 str = br.readLine().split(" "); 16 for(int i = 1; i <= n; i++) { 17 sum[i] = sum[i-1] + Integer.parseInt(str[i-1]); 18 } 19 20 //没有乘号的情况，即连加的情况 21 for(int i = 1; i <= n; i++) { 22 dp[i][0] = sum[i]; 23 } 24 //动态规划 25 for(int i = 2; i <= n; i++) { //前i个数 26 for(int j = 1; j <= i-1 && j <= k; j++) { //乘号的个数 27 for(int p = 2; p <= i; p++) { //乘号的位置 28 dp[i][j] = max(dp[i][j], dp[p-1][j-1] * (sum[i] - sum[p-1]));//求前i个数有j个乘号时的最大值 29 } 30 } 31 } 32 33 System.out.println(dp[n][k]); 34 } 35 36 /** 37 * 求最大数 38 * @param a 参数1 39 * @param b 参数2 40 * @return a b中的最大数 41 */ 42 private static long max(long a, long b) { 43 return a>b?a:b; 44 } 45 }