LeetCode53：最大子序和（分治思想，Python3实现）

最大子序和

给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
示例：

输入: [-2,1,-3,4,-1,2,1,-5,4],
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。

分治法求解思路：将原问题转化为求解子问题，通过子问题的解求解原问题的解。
原问题：求整数数组中，具有最大和的连续子数组。
子问题：取数组中位于中间位置的值middle，middle左侧的子数组leftnums，middle右侧子数组rightnums。分别求leftnums，rightnums中最大和left和right，和包含中间值middle并跨越leftnums和rightnums的最大和mid。最终结果为max(left, mid, right).
递归求解子问题，获得原问题的解。

Python3代码示例：

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:       # 求解原问题
        if len(nums) == 0:                               # 长度为 0，直接返回 0
            return 0
        maxlen = self.maxArray(nums, 0, len(nums)-1)     # 开始将原问题划分为子问题
        return maxlen                                    # 返回解
    
    def maxArray(self, nums:List[int], l:int, r:int) -> int:  # 递归求解子问题
        if l == r:                                            # 递归终止条件
            return nums[l]
        mid = (l+r)//2                                        # 划分三个子问题
        leftlen  = self.maxArray(nums, l, mid)                # 继续划分左子问题
        rightlen = self.maxArray(nums, mid+1, r)              # 继续划分右子问题
        midlen = self.maxmidArray(nums, l, mid, r)            # 求解子问题
        
        return max(leftlen, rightlen, midlen)                 # 返回子问题解
    
    def maxmidArray(self, nums:List[int], l:int, mid:int, r:int) -> int:  # 求解子问题 middle代码
        leftlen = -float('inf')            # 包含中值 middle的左侧最大值
        sum = 0
        for item in range(mid, l-1, -1):
            sum += nums[item]
            if sum > leftlen:
                leftlen = sum
        
        rightlen = -float('inf')           # 不包含 middle的右侧最大值
        sum = 0
        for item in range(mid+1, r+1):
            sum += nums[item]
            if sum > rightlen:
                rightlen = sum
        
        return leftlen+rightlen           # 最终结果两个值相加