[数据结构]连续子序列最大和，最大积的问题

假设输入{-2,11，-4,13，-5,2} 则答案是20 {11，-4,13}
有许多时间复杂度不同的算法可以用于解决连续子序列最大和的问题，如以下三种复杂度分别为N立方，N平方和N。大O时间复杂度的估计并不需要精确的计算，许多情况可以简单的将所有嵌套循环的规模相乘，但连续的循环不能相乘，来计算时间复杂度。如果要改善穷举算法，一般需要正确性的证明。

如第三种时间复杂度为N的方法，是基于如果一个子序列的和为负，则它不可能是最大连续子序列的一部分，因此可以通过不包含它，来得到更大的连续子序列。即在标号为..i....j,j+1,...q的序列中，如S（i,j）的和为负，则可以直接让i增加到j+1。



public class MaxSubSequence {

//标注子序列起始位置
private static int seqStart = 0;

//标注子序列终止位置
private static int seqEnd = 0;


public static int maxSubSequenceSum(int[] a) {
int maxSum = 0;
//用i来标记每个序列的起始位置
for(int i = 0; i < a.length; i++) {
//用j来标记每个序列的终止位置
for(int j = 0; j < a.length; j++) {
int thisSum = 0;
for(int k = i; k <= j; k++) {
thisSum += a[k];
if(thisSum > maxSum) {
maxSum = thisSum;
seqStart = i;
seqEnd = j;
}
}
}
}
return maxSum;
}


public static int maxSubSequenceSum1(int[] a) {
int maxSum = 0;
for(int i = 0; i < a.length; i++) {
int thisSum = 0;
for(int j = i; j < a.length; j++) {
thisSum += a[j];
if(thisSum > maxSum) {
maxSum = thisSum;
seqStart = i;
seqEnd = j;
}
}
}
return maxSum;
}


public static int macSubSequenceSum2(int[] a) {
int maxSum = 0;
int thisSum = 0;
for(int i = 0, j = 0; j < a.length; j++) {
thisSum += a[j];
if(thisSum > maxSum) {
maxSum = thisSum;
seqStart = i;
seqEnd = j;
}
else if(thisSum < 0) {
i = j + 1;
thisSum = 0;
}
}
return maxSum;
}
}

给定一个整型数足a，求出最大连续子段的乘积，比如 1， 2， -8， 12， 7则输出12 * 7 = 84，，与最大子段和类似，注意处理负数的情况

// 子数组的最大乘积
int MaxProduct(int *a, int n)
{
int maxProduct = 1; // max positive product at current position
int minProduct = 1; // min negative product at current position
int r = 1; // result, max multiplication totally

for (int i = 0; i < n; i++)
{
if (a[i] > 0)
{
maxProduct *= a[i];
minProduct = min(minProduct * a[i], 1);
}
else if (a[i] == 0)
{
maxProduct = 1;
minProduct = 1;
}
else // a[i] < 0
{
int temp = maxProduct;
maxProduct = max(minProduct * a[i], 1);
minProduct = temp * a[i];
}

r = max(r, maxProduct);
}

return r;
}