最大子序列和问题

问题：
给定（可能有负的）整数$A_1, A_2, A_3, ..., A_N$ , 求$\sum_{k=i}^j A_k$ 的最大值。

解1：
最先得到的方法大概是使用两层循环，遍历所有的子序列，求和后比较，记录最大者，以及最大者的起点，终点。时间复杂度$O(N^2)$, 代码如下：

    public int getMaxSumOfSubSeqSlow(int[] inputArr)
    {
        int max = 0;
        int startPoint = 0;
        int endPoint = 0;
        for(int i=0; i<inputArr.length; i++)
        {
            int sum = 0;
            for(int j=i; j<inputArr.length; j++)
            {
                sum += inputArr[j];
                if(sum > max)
                {
                    max = sum;
                    startPoint = i;
                    endPoint = j;
                }
            }
        }
        return max;
    }

解2：
对任意成为最终解的子序列，都不会有和为负数的前缀。因为若有和为负数的前缀，去掉该前缀的剩余子序列会大于原有子序列，原有子序列即不是最终解，不满足假设的前提。
于是，可以从0开始累加，当累加的和大于现有最大值时，更新最大值。当累加的和小于0时，从下一位开始重新累加。从下一位开始累加不会错过最优解，因前面的每一次被抛弃的子序列，和均为负数，整体的和也是负数。这是$O(n)$的解法。
这种解法只对数据进行一次扫描，不需要存储扫描过的数据，算法可在任意时刻对已读入的数据给出一个最优解。具有这种特性的算法叫做联机算法(on-line algorithm)。仅需要常量空间，并以线性时间运行，几乎是完美的算法。

    public int getMaxSumOfSubSeq(int[] inputArr)
    {
        int max = 0;
        int sum = 0;
        int startPoint = 0;
        int endPoint = 0;
        int tmpStartPoint = 0;
        for(int i=0; i<inputArr.length; i++)
        {
            sum += inputArr[i];
            if(sum < 0)
            {
                tmpStartPoint = i+1;
                sum = 0;
            }
            else if(sum > max)
            {
                startPoint = tmpStartPoint;
                endPoint = i;
                max = sum;
            }
        }
        return max;
    }

该问题有优于解1 的分治解法，时间复杂度为$O(N\ logN)$。整体思路是：将序列分为大小大致相等的两个子序列，最优解或者在左半边，或者在右半边，或者横跨两者。根据分割点分别向左/右求得最大和，相加即为横跨情况的最大解，该横跨情况的最优解与递归得到的左边最大解，右边最大解比较，即为整个序列的最大解。未编写代码。

若想在有多个最优解时获取所有的解，可将startPoint等改用列表存储。
随机生成100000个数时，对比如下：