分治算法

划分问题：整个问题划分成多个无关联的子问题。
递归求解：递归调用求解各个子问题。
合并问题：合并子问题的解，形成原始问题的解。

---

以Leetcode数组的连续数列最大和例子为例：

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。

---

分治实现：

分治思路：

nums = [-2,1,-3,4,-1,2,1,-5,4]

首先，将问题划分为多个无关的子问题，在这里将整个数组每次递归划分为两部分nums1和nums2，那么最大连续子序列和只有3种情况：

nums1 = [-2,1,-3,4,-1]
nums2 = [2,1,-5,4]

1、最大连续和子序列在nums1
2、最大连续和子序列在nums2
3、由nums1的后部分和nums2的前部分组成

---

实现代码：

class Solution {
public:
    
    int devide(vector<int>& nums, int left, int right) {
        if (left == right) {
            return nums[left];
        }
        int mid = (left + right) / 2;
        int leftSum = devide(nums, left, mid); // 左边最大和
        int rightSum = devide(nums, mid + 1, right); // 右边最大和
        int sumLeft = 0, maxLeftSum = INT_MIN;
        for (int i = mid; i >= left; --i) {
            sumLeft += nums[i];
            maxLeftSum = max(maxLeftSum, sumLeft); 
        }
        int sumRight = 0, maxRightSum = INT_MIN;
        for (int i = mid + 1; i <= right; ++i) {
            sumRight += nums[i];
            maxRightSum = max(maxRightSum, sumRight);
        }
        return max(max(leftSum, rightSum), maxRightSum + maxLeftSum);
        // 情况3是maxRightSum + maxLeftSum的和
    }
    int maxSubArray(vector<int>& nums) {
        int left = 0;
        int right = nums.size() - 1;
        return devide(nums, left, right);
    }
};