字符串、数组 算法总结

一、最大子序列和

这里把最大子序列和放在第一个位置，它并不是字符串相关的问题，事实上它的目的是要找出由数组成的一维数组中和最大的连续子序列。比如[0，-2，3，5，-1，2]应返回9，[-9，-2，-3，-5，-3]应返回-2。

1、动态规划法

  设状态为f[j],表示以S[j]结尾的最大连续子序列和（即最大连续子序列的最后一项为S[j],但开头一项没有规定，不一定是S[1]）,状态转移方程如下：

                                    f[j] = max(f[j-1]+S[j],S[j])    1<=j<=n

                                         target = max(f[j])   1<=j<=n

int MaxSubarray(int data[],int length)
{
	vector<int> f(length+1,0);

	int result=INT_MIN;

	for (int i=0;i<length;i++)
	{
		f[i+1] = max(f[i]+data[i],data[i]);
		
		result= max(f[i+1],result);
	}
	
	return result;
}

   如果想获得最大子序列和的初始和结束位置怎么办呢？我们知道，每当当前子数组和的小于0时，便是新一轮子数组的开始，每当更新最大和时，便可能对应结束的下标，这个时候，只要利用本轮的起始和结束位置更新上一次的始末位置就可以，程序结束，最大子数组和以及其始末位置便一起被记录下来了 

void MaxSubarray(int data[],int length, int &start, int &end, int &result)
{
	vector<int> f(length+1,0);
	result=INT_MIN;
	int curstart =0;
	for (int i=0;i<length;i++)
	{
		if (f[i]+data[i]>data[i])
		{
			f[i+1] = f[i]+data[i];
		}
		else
		{
			f[i+1] = data[i];	
			curstart =i;		
		}
		if (f[i+1]>result)
		{
                	result = f[i+1];			
			start = curstart;
			end =i;
		}
	}	
}

2、分治法

其实数组的问题，最好留点心，有一大部分题目是可以用分治的办法完成的，比如说这道题里面：最大子序列和可能出现在三个地方，1）整个出现在输入数据的左半部分，2）整个出现在输入数据的右半部分，3）或者跨越输入数据的中部从而占据左右两个半部分。可以有以下代码：

int MaxSumRec( const vector<int> & a, int left, int right )  
{  
    if( left == right )  // Base case  
        if( a[ left ] > 0 )  
            return a[ left ];  
        else  
            return 0;  
    int center = ( left + right ) / 2;  
    int maxLeftSum  = maxSumRec( a, left, center );  
    int maxRightSum = maxSumRec( a, center + 1, right );  
    int maxLeftBorderSum = 0, leftBorderSum = 0;  
    for( int i = center; i >= left; i-- )  
    {  
        leftBorderSum += a[ i ];  
        if( leftBorderSum > maxLeftBorderSum )  
            maxLeftBorderSum = leftBorderSum;  
    }  
    int maxRightBorderSum = 0, rightBorderSum = 0;  
    for( int j = center + 1; j <= right; j++ )  
    {  
        rightBorderSum += a[ j ];  
        if( rightBorderSum > maxRightBorderSum )  
            maxRightBorderSum = rightBorderSum;  
    }  
    return max3( maxLeftSum, maxRightSum, maxLeftBorderSum + maxRightBorderSum );  
} 

二、最长递增子序列

和上一问题一样，这是数组序列中的问题，比如arr={1,5,8,2,3,4}的最长递增子序列是1,2,3,4

1、动态规划法

    结合上一题的思路，在数组的这类问题里面使用动态规划还是很常见的，从后向前分析，很容易想到，第i个元素之前的最长递增子序列的长度要么是1（比如说递减的数列），要么就是第i-1个元素之前的最长递增子序列加1。

假设在目标数组array的前i个元素中，最长递增子序列的长度为LIS[i]，那么

                                                  LIS[i] = max{1,LIS[k]+1}，其中，对于任意的k<