Maximum_subarray_problem

leetcode上的题目：Best Time to Buy and Sell Stock

问题很简单，只不过想总结一下其中经典的一些解法。

有不同的O(n)时间复杂度的解法，比如遍历i=[0, n)，每次计算nums[i]与[0, i]之间的最小值的差，更新全局最大值。代码如下：

方法一：

// time: O(n),  space: O(1)

int minv = INT_MAX;

int gmax = INT_MIN;

for (int i = 0; i < n; ++i) {

minv = min(nums[i], minv);

gmax = max(gmax, nums[i] - minv);

}

return gmax;

该题也可以转化为一个经典的问题：求一个数组的子数组最大和。

记diff[i] = nums[i] - nums[i - 1]

则 nums[i] - nums[j] = diff[i] + diff[i - 1] + ... + diff[j+1], 所以问题转化为求diff数组的子数组最大和。该问题有一些经典的解法：

方法二：

分支界定，时间复杂度为O(nlog(n))。
把数组A[1..n]分成两个相等大小的块：A[1..n/2]和A[n/2+1..n]，最大的子数组只可能出现在三种情况：
    A[1..n]的最大子数组和A[1..n/2]最大子数组相同；
    A[1..n]的最大子数组和A[n/2+1..n]最大子数组相同；
    A[1..n]的最大子数组跨过A[1..n/2]和A[n/2+1..n]
前两种情况的求法和整体的求法是一样的，因此递归求得。
第三种，我们可以采取的方法也比较简单，沿着第n/2向左搜索，直到左边界，找到最大的和maxleft，以及沿着第n/2+1向右搜索找到最大和maxright，那么总的最大和就是maxleft+maxright。
而数组A的最大子数组和就是这三种情况中最大的一个。

方法三：

动态规划：time:O(n)

如果用函数f(i)表示以第i个数字结尾的子数组的最大和，那么我们需要求出max(f[0...n])。我们可以给出如下递归公式求f(i)

这个公式的意义：

1. 当以第(i-1)个数字为结尾的子数组中所有数字的和f(i-1)小于0时，如果把这个负数和第i个数相加，得到的结果反而不第i个数本身还要小，所以这种情况下最大子数组和是第i个数本身。
2. 如果以第(i-1)个数字为结尾的子数组中所有数字的和f(i-1)大于0，与第i个数累加就得到了以第i个数结尾的子数组中所有数字的和。
   

方法四：

Kadane's algorithm， time:O(n), space:O(1)

int max_ending_here = 0, max_so_far = 0;
for (auto x : nums) { 
    max_ending_here = max(0, max_ending_here + x);
    max_so_far = max(max_so_far, max_ending_here);
}

参考资料：

http://www.cnblogs.com/xkfz007/archive/2012/05/17/2506299.html

http://www.cnblogs.com/xwdreamer/archive/2012/05/04/2482507.html

https://en.wikipedia.org/wiki/Maximum_subarray_problem