最大连续子序列和（枚举+分治+在线处理）

原题地址

题目描述：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。

实例：
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。

以下都是java实现

1.枚举

枚举是最容易想到的办法，就是列出所有可能的子序列并分别求和，返回最大者。

public static int maxSubseqSum1(int[] nums) {
	int len = nums.length;
	int thisSum = 0;
	int maxSum = 0;
	for (int i = 0; i < len; i++) {
		for (int j = i; j < len; j++) {
			thisSum = 0;
			// 对每个子序列从头到尾累加求和，若大于最大值就更新
			for (int k = i; k <= j; k++)
				thisSum += nums[k];
			if (thisSum > maxSum)
				maxSum = thisSum;
		}
	}
	return maxSum;
}

时间复杂度$O(n^3)$
空间复杂度$O(1)$

2.枚举优化

枚举优化是针对枚举中的第三层for循环优化，每次在求一个新的子序列和时不是从头到尾累加，而是利用了上次求和的结果。

public static int maxSubseqSum2(int[] nums) {
	int len = nums.length;
	int thisSum = 0;
	int maxSum = 0;
	for (int i = 0; i < len; i++) {
		thisSum = 0;
		for (int j = i; j < len; j++) {
			thisSum += nums[j];
			if (thisSum > maxSum)
				maxSum = thisSum;
		}
	}
	return maxSum;
}

时间复杂度$O(n^2)$
空间复杂度$O(1)$

3.分治

具体过程参照MOOC陈越老师的视频，视频地址

这里只给出代码

public static int maxSubseqSum3(int[] nums) {
	return getMax(nums, 0, nums.length - 1);
}

private static int getMax(int[] nums, int left, int right) {
	if (left == right)
		return nums[left];
		
	int mid = (left + right) / 2;
	int leftMax = getMax(nums, left, mid);
	int rightMax = getMax(nums, mid + 1, right);
	int crossMax = crossSum(nums, left, right, mid);
	return Math.max(Math.max(leftMax, rightMax), crossMax);
}

private static int crossSum(int[] nums, int left, int right, int mid) {
	if (left == right)
		return nums[left];

	int midToLeftMax = 0;		
	int thisSum = 0;
	// 找到中心到左边界最大子序列和
	for (int i = mid; i > left - 1; i--) {
		thisSum += nums[i];
		midToLeftMax = Math.max(midToLeftMax, thisSum);
	}
	
	int midToRightMax = 0;
	thisSum = 0;
	// 找到中心到右边界最大子序列和
	for (int i = mid + 1; i < right + 1; i++) {
		thisSum += nums[i];
		midToRightMax = Math.max(midToRightMax, thisSum);
	}
	// 两者相加就是跨中心最大子序列和
	return midToLeftMax + midToRightMax;
}

时间复杂度线性对数阶$O(nlo{g}_{2}n)$。
证明从三方面分析，一是被划分的左半边的时间复杂度，二是被划分的右半边的时间复杂度，三是从中间往两边扫描的时间复杂度。具体过程见下图：

空间复杂度$O(lo{g}_{2}n)$。因为函数递归调用过程中需要压栈。

4.在线处理

public static int maxSubseqSum4(int[] nums) {
	int len = nums.length;
	int thisSum, maxSum;
	thisSum = maxSum = 0;
	for (int i = 0; i < len; i++) {
		thisSum += nums[i];
		// 从前往后扫描，当前子序列和大于已有的最大和就更新
		if (thisSum > maxSum)
			maxSum = thisSum;
		/*
		 * 当前子序列和小于0只会使后面子序列的和减小，所以舍去。 
		 * 当前子序列和既不大于已有最大和也不小于0则保留，因为总有可能使后面的和变得更大。
		 */
		if (thisSum < 0)
			thisSum = 0;
	}
	return maxSum;
}

该算法与上面三种最大的区别是能够在线处理，在线的意思是不必事先确定整个序列，每输入一个数据就能进行即时处理，在任何一个地方终止输入算法都能正确给出当前的解。

时间复杂度$O(n)$
空间复杂度$O(1)$