最大子向量（编程珠玑阅读笔记）

        昨天阅读了《编程珠玑》的算法设计技术这一章，感受颇丰，下面是我对最大子向量做的笔记，但涉及到书本的版权问题，所以就不放书本上的代码了。
 
        当我第一眼看到这个问题的时候，我最先想到也是唯一能想到的算法是像下面这样的，向量的初始化就不给出了。

for(int i=0;i<n;i++){  
  for(int j=i;j<n;j++){  
       sum+=array[j];
       maxsofar=max(maxsofar,sum);//max()方法用于比较两个参数的大小，具体实现就不给出了。  
   }  
}

        此算法的时间复杂度是O(n²)。

        之后我看到了另一种算法，运用了分治的原理。要解决规模为n的问题，可以递归的解决规模为n/2的子问题，最后把子问题的答案和并得到最终的答案（感觉这有点像动态规划啊）。所以按这种思想，把原向量分成两个大小近似的子向量a，b，然后递归的找出a和b中的最大子向量ma和mb，但是原向量的最大子向量可能并不在a或b 中，它（mc）可能跨越了a和b，mc在a中的部分是a中右边的最大子向量，同理，在b中的部分是b中左边的最大子向量，所以把这两个子向量相加就得到了mc，最后比较ma，mb，mc的大小来得到原向量的最大子向量。时间复杂度为O(nlogn)。

        看完运用分治原理的算法之后我以为这是最佳的算法了，当我看到后面的扫描算法的时候，我的想法又一次被改变，说实话，我逐字逐句看了三四遍，才勉强看懂（唉，不得不说世界上的人才真多）。

         扫描算法的思想是，从数组左边开始扫描，一直到末尾，记下遇到的最大子向量。利用类似于分治的原理，把具有n个元素的向量array分成array[0..n-2]和array[n-1]两部分，所以根据前面利用分治原理，最大子向量要么在array[0..n--2]中，还要么最大子向量的结束位置为array[n-1]，此算法的时间复杂度是O(n)。