最大子序列和

最大子序列和一个考试比较常见但是却又不是很难的算法题，因此，我们很有必要好好理解并消化它。
我们以一个例题来说明一下吧（网上找的）：

输入一组整数，求出这组数字子序列和中最大值。也就是只要求出最大子序列的和，不必求出最大的那个序列。例如：

序列：-2 11 -4 13 -5 -2，则最大子序列和为20。

序列：-6 2 4 -7 5 3 2 -1 6 -9 10 -2，则最大子序列和为16。

解法一：

首先我们用最简单的穷举法来遍历一次找到最大子序列和的值。

int maxSubArr(int num[],int len)
{
	int maxsum=0,sum=0;
	for(int i=0;i<len;i++)
	{
		for(int j=0;j<len;j++)
		{
			sum=0;
			for(int k=i;k<=j;k++)
			{
				sum += num[k];
				if(sum > maxsum)
					maxsum = sum;
			}
		}
	}
	return maxsum;
}

上面这种算法很容易理解，而且也可以确定最大子序列的起始和结束下标，但是其时间复杂度为O（n^3），很大，而从上面这个算法我们可以看到有很多无谓的计算，因此我们可以优化一下。

解法二：

在解法一的基础上去掉一层循环，直接遍历。

int maxSubArr(int num[],int len)
{
	int maxsum=0,sum=0;
	for(int i=0;i<len;i++)
	{
		sum=0;
		for(int j=i;j<len;j++)
		{
			
			sum += num[j];
			if(sum > maxsum)
				maxsum = sum;	
		}
	}
	return maxsum;
}

这是一个时间复杂度为O（n^2）的算法，该算法也能确定最大子序列和的起点和终点，其原理也很简单我就不说了。下面来看一个时间复杂度更小的解法。

解法三：

一次遍历求最大子序列和。

int maxSubArr(int num[],int len)
{
	int maxsum=0,sum=0;
	for(int i=0;i<len;i++)
	{
		sum += num[i];
		if(sum > maxsum)
			maxsum = sum;
		else if(sum < 0)
			sum =0;
	}
	return maxsum;
}

这个算法明显时间复杂度[O（n）]要小很多，但是有点难理解。其实，这个算法的主要思想就是 与最大子序列相邻的序列之和一定是负数。因为当一个序列之和为负数时，那这个序列一定不包含在最大子序列之中，因此我们可以大胆跳过该和为负数的序列，继续往下检索。但是这个算法有个缺点就是不能知道最大子序列的起点和终点，因为跳过序列之后不确定后面的序列是否会出现子序列和为更大的值，因此我们无法确定子序列的起点和终点。