求解最大子数组问题的三种方法

求解最大子数组问题的三种方法

标签（空格分隔）： 算法 分治 最大子数组

---

---

算法导论中有这样一个例子来引出最大子数组问题：
在股市中，人们为了获取更大利益，希望“低价买进，高价卖出”，从而获得最大收益。然而，简单的以最低价格买入，最高价格卖出并不能获得最大收益。我们可以不直接观察每日股票的价格，而是考虑每日股票的价格变化值。第$i$天的价格变化值定义为第$i$天的价格减去第$i-1$天的价格。如果将这些值看成一个数组A，那么，问题就是求A的和最大的非空连续子数组，即最大子数组（maximum subarray）。

• 输入：数组$A = \{13,-3,-25,20,-3,-16,-23,18,20,-7,12,-5,-22,15,-4,7\}$
• 输出：最大子数组的和 43

---

• 暴力解法

  • 算法思想
    枚举数组中所有连续子序列的和，并求出其中的最大值。

  • 代码

    int max_sub_array_tolient(int a[],int n){
    int this_sum;
    int max_sum = 0;
    for(int i=0;i<n;i++){
        for(int j=i;j<n;j++){
        this_sum = 0;
        for(int k = i;k<=j;k++){
            this_sum += a[k];
            if(this_sum>max_sum)
                max_sum = this_sum;
        }
    }
    }
    return max_sum;
    }
    

  • 算法分析
    很明显，上述代码嵌套三层循环，需要的时间复杂度为$O(n^3)$.

• 分治解法
  分治法（divide andconquer）是一种基于多分枝递归的算法范式。顾名思义，分治就是“分而治之”，即将原问题分解为两个或多个子问题，直到分解为不能分解的子问题，然后将这些问题合并成原问题的解。

  • 算法思想
    假设我们要寻找$A[low...high]$的最大子数组。我们需要将子数组划分为两个规模大致相等的子数组。即我们将数组$A[low...high]$划分为$A[low...mid]$和