算法--三种方法求连续子数组的最大和

  这是一道考的烂的不能再烂的题目，但是依然有很多公司乐于将这样的题目作为笔试或面试题，足见其经典。

题目描述：

输入一个整形数组，数组里有正数也有负数。
数组中连续的一个或多个整数组成一个子数组，每个子数组都有一个和。
求所有子数组的和的最大值。要求时间复杂度为O(n)。

例如输入的数组为1, -2, 3, 10, -4, 7, 2, -5，和最大的子数组为3, 10, -4, 7, 2，
因此输出为该子数组的和18。

下面按照时间复杂度逐步优化的顺序依次给出这三种算法。

暴力求解法

该方法的思想非常简单，先找出从第1个元素开始的最大子数组，而后再从第2个元素开始找出从第2个元素开始的最大子数组，依次类推，比较得出最大的子数组。实现代码如下：

/*
常规方法,时间复杂度O（n*n）
先从第一个元素开始向后累加，
每次累加后与之前的和比较，保留最大值，
再从第二个元素开始向后累加，以此类推。
*/
int MaxSubSum1(int *arr,int len)
{
    int i,j;
    int MaxSum = 0;
    //每次开始累加的起始位置的循环
    for(i=0;i<len;i++)
    {
        int CurSum = 0;
        //向后累加的循环
        for(j=i;j<len;j++)
        {
            CurSum += arr[j];
            if(CurSum > MaxSum)
                MaxSum = CurSum;
        }
    }
    return MaxSum;
}

很明显地可以看出，该方法的时间复杂度为O（n*n）。

分治求解法

解释一

考虑将数组从中间分为两个子数组，则最大子数组必然出现在以下三种情况之一：

1、完全位于左边的数组中。

2、完全位于右边的数组中。

3、跨越中点，包含左右数组中靠近中点的部分。

递归将左右子数组再分别分成两个数组，直到子数组中只含有一个元素，退出每层递归前，返回上面三种情况中的最大值。实现代码如下：

/*
求三个数中的最大值
*/
int Max3(int a,int b,int c)
{
    int Max = a;
    if(b > Max)
        Max = b;
    if(c > Max)
        Max = c;
    return Max;
}

/*
次优算法，采用分治策略
*/
int MaxSubSum2(int *arr,int left,int right)
{
    int MaxLeftSum,MaxRightSum; //左右边的最大和
    int MaxLeftBorderSum,MaxRightBorderSum; //含中间边界的左右部分最大和