最大子序列问题_C++

最大子序列问题

描述：给定整数 $A_1,A_2,\cdots ,A_N$ （可能有负数），求 ${\Sigma }_{k=i}^j{A}_k$ 的最大值（如果所有整数均为负数，则最大子序列和为0）

例：

输入：-2， 11， -4， 13， -5， -2

输出：20

递归分治思想

考虑最大子序列只可能有三种可能，出现在序列的左半部分、右半部分或者跨越左右两半部分。前两种情况可以通过递归的方法实现，递归停止条件为左边界等于右边界，即只有一个数据，第三种情况可以分别计算两边的靠近中边界的最大值再相加来解决。通过比较三个数值的大小，返回最大值。

• 代码

int MaxSubSum(const int A[], int left, int right) {
	int MaxLeftSum, MaxRightSum;
	int MaxLeftBorder, MaxRightBorder;
	int LeftBorder, RighrBorder;
	int center, i;

	/* 递归停止条件 */
	if (left == right) {
		if (A[left] > 0) {
			return A[left];
		}
		return 0;
	}

	center = (left + right) / 2;
	MaxLeftSum = MaxSubSum(A, left, center);
	MaxRightSum = MaxSubSum(A, center + 1, right);

	MaxLeftBorder = 0;
	LeftBorder = 0;
	for (int i = center; i > left; i--) {
		LeftBorder += A[i];
		if (LeftBorder > MaxLeftBorder) {
			MaxLeftBorder = LeftBorder;
		}
	}

	MaxRightBorder = 0;
	RighrBorder = 0;

	for (int j = center+1; j < right; j++) {
		RighrBorder += A[j];
		if (RighrBorder > MaxRightBorder) {
			MaxRightBorder = RighrBorder;
		}
	}
	return max(max(MaxLeftSum, MaxRightSum), MaxLeftBorder + MaxRightBorder);
	//return 0;
}

动态规划

• 动态规划

时间复杂度 O(n)，只扫描一次即可。

int MaxAdd::solution(const vector<int>& nums)
{
	int ThisSum, MaxSum;
	ThisSum = 0;
	MaxSum = 0;

	vector<int>::const_iterator it;
	for (it = nums.begin(); it < nums.end(); it++) {
		ThisSum += *it;

		if (MaxSum < ThisSum) {
			MaxSum = ThisSum;
		}
		if (ThisSum < 0) {
			ThisSum = 0;
		}
	}

	return MaxSum;
}