最大子序列和-数据结构学习笔记1.3（基本概念）

给定一个整数序列，a0, a1, a2, …… , an（项可以为负数），求其中最大的子序列和。如果所有整数都是负数，那么最大子序列和为0；

例如：对于序列-2， 11， -4， 13， -5， –2。 所求的最大子序列和为20（从11到13，即从a1到a3）。

方法一：对所有的子序列求和，在其中找到最大的

int MaxSubseqSum1( int List[], int N )
{
int thissum,maxsum=0;
int i,j,k;
for(i=0;i<N;i++)//i为子列的左端
for(j=0;j<N;j++){//j为子列的右端
thissum=0;
for(k=i;k<=j;k++){
thissum+=List[k];
if(thissum>maxsum)
maxsum=thissum;
}}
return maxsum;
}

方法二：对方法一的改善

int MaxSubseqSum2( int List[], int N )

{
int thissum,maxsum=0;
int i,j,k;
for(i=0;i<N;i++){//i为子列的左端
thissum=0;
for(j=0;j<N;j++)//j为子列的右端
{thissum+=List[k];
if(thissum>maxsum)maxsum=thissum;
}}
return maxsum;}

方法三：分而治之

 int Max3( int A, int B, int C )
    { /* 返回3个整数中的最大值 */
        return A > B ? A > C ? A : C : B > C ? B : C;
    }
     
    int DivideAndConquer( int List[], int left, int right )
    { /* 分治法求List[left]到List[right]的最大子列和 */
        int MaxLeftSum, MaxRightSum; /* 存放左右子问题的解 */
        int MaxLeftBorderSum, MaxRightBorderSum; /*存放跨分界线的结果*/
     
        int LeftBorderSum, RightBorderSum;
        int center, i;
     
        if( left == right )  { /* 递归的终止条件，子列只有1个数字 */
            if( List[left] > 0 )  return List[left];
            else return 0;
        }
     
        /* 下面是"分"的过程 */
        center = ( left + right ) / 2; /* 找到中分点 */
        /* 递归求得两边子列的最大和 */
        MaxLeftSum = DivideAndConquer( List, left, center );
        MaxRightSum = DivideAndConquer( List, center+1, right );
     
        /* 下面求跨分界线的最大子列和 */
        MaxLeftBorderSum = 0; LeftBorderSum = 0;
        for( i=center; i>=left; i-- ) { /* 从中线向左扫描 */
            LeftBorderSum += List[i];
            if( LeftBorderSum > MaxLeftBorderSum )
                MaxLeftBorderSum = LeftBorderSum;
        } /* 左边扫描结束 */
     
        MaxRightBorderSum = 0; RightBorderSum = 0;
        for( i=center+1; i<=right; i++ ) { /* 从中线向右扫描 */
            RightBorderSum += List[i];
            if( RightBorderSum > MaxRightBorderSum )
                MaxRightBorderSum = RightBorderSum;
        } /* 右边扫描结束 */
     
        /* 下面返回"治"的结果 */
        return Max3( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum );
    }
     
    int MaxSubseqSum3( int List[], int N )
    { /* 保持与前2种算法相同的函数接口 */
        return DivideAndConquer( List, 0, N-1 );
    }

方法四：在线处理

int MaxSubseqSum4( int List[], int N )
{
int i,maxsum,thissum=0;
for(i=0;i<N;i++){
thissum+=List[i];//向右边累加
if(thissum>maxsum){
maxsum=thissum;//更新最大值
}elseif(thissum<0){
thissum=0;//负数不可能使后面的部分和增大抛弃之
}
return maxsum;
}

}

综合上面他们的时间复杂度分别为N^3 N^2 NlgN N但是算法的理解越来越难