算导--最大子数组问题

把一段时间内的股票怎样低价买进，高价卖出问题，转化为对股票每日价格变化量数组A，在A中找到一个和最大的非空连续子数组问题。我们称这样的非空连续子数组为最大子数组。

对于这个问题有三种解法，即暴力求解方法、使用分之策略的求解方法和未使用分治策略的线性求解方法，下面依次给出。

1.暴力求解方法

  这种方法是最容易想到的方法，即简单的尝试每对可能的买进和卖出日期组合，其实就是组合问题，运行时间O（n^2）。

2.使用分之策略的求解方法

假定问题是寻找数组A[low..high]的最大子数组，设A的中间位置为mid，考虑分解为A[low..mid]和A[mid+1..high]两个子数组。则A[low..high]的任何连续子数组A[i..j]所处的位置分为3中情况：

（1）完全位于子数组A[low..mid]中，low<=i<=mid；

（2）完全位于子数组A[mid+1..high]中，mid<i<=high；

（3）跨越了中间位置，low<=i<j<=high。

对于第三种情况，我们只需找出形如A[i..mid]和A[mid..j]这样的子数组即可，伪代码如下：

最后，用分治法求解，运行时间为O（nlgn），伪代码如下：

3.分治的方法有时能给出渐进最快的算法，但其他时候不用分治的方法，甚至更好，下面的不用分治的方法就可以在线性时间内求解该问题。运行时间为O（n）。

其主要思想是：从数组的左边界开始，由左至右处理，记录到目前为止已经处理过的最大子数组。若已知A[1..j]的最大子数组，基于如下性质将扩展为A[1..j+1]的最大子数组，A[1..j+1]的最大子数组要么是A[1..j]的最大子数组，要么是某个子数组A[i..j+1](1<=i<=j+1)。在已知A[1..j+1]的最大子数组的情况下，可以在线性时间内找到形如A[i..j+1]的最大子数组。

伪代码如下：

其中，low和high是目前为止找到的最大子数组的边界，而max-sum是目前找到的最大子数组的和。

ending-here-low和ending-here-high是以下标索引j为结尾的最大子数组，而ending-here-sum是以下标索引j为结尾的最大子数组

的和。

我的理解是：每次加入A[j]时，若不能使得max-sum增大（A[1..j+1]的最大子数组是A[1..j]的最大子数组），则low和high不更新（但此时ending-here-sum会继续更新）；直到ending-here-sum<=0时，重新从此时的j开始，继续寻找第二个可能出现的最大子数组，若找到则更新low、high和max-sum。依此过程，直到A的边界位置，此时的low、high和max-sum就是最终的结果。