K次取反后最大化的数据算法数组数组和
力扣题目链接：https://leetcode-cn.com/problems/maximize-sum-of-array-after-k-negations/
给定一个整数数组 A，我们只能用以下方法修改该数组：我们选择某个索引 i 并将 A[i] 替换为 -A[i]，结构然后总共重复这个过程 K 次。反后(我们可以多次选择同一个索引 i。化的和)
以这种方式修改数组后，数据算法数组返回数组可能的结构最大和。
示例 1：
输入：A = [4,反后2,3], K = 1 输出：5 解释：选择索引 (1,) ，然后 A 变为 [4,化的和-2,3]。 示例 2：
输入：A = [3,数据算法数组-1,0,2], K = 3 输出：6 解释：选择索引 (1, 2, 2) ，然后 A 变为 [3,结构1,0,2]。 示例 3：
输入：A = [2,反后-3,-1,5,-4], K = 2 输出：13 解释：选择索引 (1, 4) ，然后 A 变为 [2,化的和3,-1,5,4]。 提示：
1 <= A.length <= 10000 1 <= K <= 10000 -100 <= A[i] <= 100 思路
本题思路其实比较好想了，数据算法数组如何可以让数组和最大呢?结构
贪心的思路，局部最优：让绝对值大的反后负数变为正数，当前数值达到最大，整体最优：整个数组和达到最大。
局部最优可以推出全局最优。
那么如果将负数都转变为正数了，K依然大于0，此时的问题是一个有序正整数序列，源码库如何转变K次正负，让 数组和 达到最大。
那么又是一个贪心：局部最优：只找数值最小的正整数进行反转，当前数值可以达到最大(例如正整数数组{ 5, 3, 1}，反转1 得到-1 比 反转5得到的-5 大多了)，全局最优：整个 数组和 达到最大。
虽然这道题目大家做的时候，可能都不会去想什么贪心算法，一鼓作气，就AC了。
我这里其实是为了给大家展现出来 经常被大家忽略的贪心思路，这么一道简单题，就用了两次贪心!
那么本题的解题步骤为：
第一步：将数组按照绝对值大小从大到小排序，注意要按照绝对值的大小 第二步：从前向后遍历，遇到负数将其变为正数，同时K-- 第三步：如果K还大于0，那么反复转变数值最小的元素，将K用完 第四步：求和 对应C++代码如下：
class Solution { static bool cmp(int a, int b) { return abs(a) > abs(b); } public: int largestSumAfterKNegations(vector<int>& A, int K) { sort(A.begin(), A.end(), cmp); // 第一步 for (int i = 0; i < A.size(); i++) { // 第二步 if (A[i] < 0 && K > 0) { A[i] *= -1; K--; } } if (K % 2 == 1) A[A.size() - 1] *= -1; // 第三步 int result = 0; for (int a : A) result += a; // 第四步 return result; } }; 总结
贪心的题目如果简单起来，会让人简单到开始怀疑：本来不就应该这么做么?这也算是亿华云算法?我认为这不是贪心?
本题其实很简单，不会贪心算法的同学都可以做出来，但是我还是全程用贪心的思路来讲解。
因为贪心的思考方式一定要有!
如果没有贪心的思考方式(局部最优，全局最优)，很容易陷入贪心简单题凭感觉做，贪心难题直接不会做，其实这样就锻炼不了贪心的思考方式了。
所以明知道是贪心简单题，也要靠贪心的思考方式来解题，这样对培养解题感觉很有帮助。
其他语言版本
Java
class Solution { public int largestSumAfterKNegations(int[] nums, int K) { // 将数组按照绝对值大小从大到小排序，注意要按照绝对值的大小 nums = IntStream.of(nums) .boxed() .sorted((o1, o2) -> Math.abs(o2) - Math.abs(o1)) .mapToInt(Integer::intValue).toArray(); int len = nums.length; for (int i = 0; i < len; i++) { //从前向后遍历，遇到负数将其变为正数，同时K-- if (nums[i] < 0 && K > 0) { nums[i] = -nums[i]; K--; } } // 如果K还大于0，那么反复转变数值最小的元素，将K用完 if (K % 2 == 1) nums[len - 1] = -nums[len - 1]; return Arrays.stream(nums).sum(); } } class Solution { public int largestSumAfterKNegations(int[] A, int K) { if (A.length == 1) return k % 2 == 0 ? A[0] : -A[0]; Arrays.sort(A); int sum = 0; int idx = 0; for (int i = 0; i < K; i++) { if (i < A.length - 1 && A[idx] < 0) { A[idx] = -A[idx]; if (A[idx] >= Math.abs(A[idx + 1])) idx++; continue; } A[idx] = -A[idx]; } for (int i = 0; i < A.length; i++) { sum += A[i]; } return sum; } } Python
class Solution: def largestSumAfterKNegations(self, A: List[int], K: int) -> int: A = sorted(A, key=abs, reverse=True) # 将A按绝对值从大到小排列 for i in range(len(A)): if K > 0 and A[i] < 0: A[i] *= -1 K -= 1 if K > 0: A[-1] *= (-1)**K #取A最后一个数只需要写-1 return sum(A) Go
func largestSumAfterKNegations(nums []int, K int) int { sort.Slice(nums, func(i, j int) bool { return math.Abs(float64(nums[i])) > math.Abs(float64(nums[j])) }) for i := 0; i < len(nums); i++ { if K > 0 && nums[i] < 0 { nums[i] = -nums[i] K-- } } if K%2 == 1 { nums[len(nums)-1] = -nums[len(nums)-1] } result := 0 for i := 0; i < len(nums); i++ { result += nums[i] } return result } Javascript
var largestSumAfterKNegations = function(nums, k) { nums.sort((a, b) => { return Math.abs(b) - Math.abs(a) }) for(let i = 0; i < nums.length; i++) { if(nums[i] < 0 && k > 0) { nums[i] *= -1 k-- } } if(k > 0 && k % 2 === 1) { nums[nums.length - 1] *= -1 } k = 0 return nums.reduce((a, b) => { return a + b }) }; 服务器租用