分治策略

   1.分治策略

       分治 策略，从字面上也能看出，是将原有问题分解，使其具有更小的规模，从最小规模向上层层递归并返回 ，最终解决问题。分治策略应用于求股票最大利润问题、矩阵乘法等一系列问题。对于这些已经解决 的问题，我想说这虽然很重要，但是不是最重要的，重要的你要学会分治的思想，然后利用这些思想去解决新的问题，去设计算法，寻找更优的算法，更少的时间复杂度。递归的时间复杂度一般都与lgn有关系，分治一般都是平分原来问题的规模，这样才能使递归树的层数最少。

   递归：分治一般是平分，可以减少运行时间，而递归不一定部分，当嵌套循环较多时，可以使用递归，只在递归中写上一个递归（循环）结束的条件即可。

先来说一下求解递归问题的步骤：分解 、解决、合并。这几个字应该是分治的核心了。

    分解：将原来的问题分解成多个子问题（一般是平分），子问题的形状要求的东西全   和原问题一样。注意：谨慎处理边界问题，中位数mid，是给右子数组还是左子数组，有时候只是比较一下，然后就把它舍弃了，比如折半查找。注意：绝对不可能每个子问题都包含mid，会无限递归，比如只剩下（0，1）两个位置元素时。此时就要看将mid给谁能把所有的情况都包括。最大子数组问题就能很好的说明这个问题。

    解决：递归的求解子问题。看清那些是和原来问题一样，需要递归的（调用自身），还有一些子情况，可能不是递归的。只要子问题足够小就停止递归，直接解决。

    合并：假设当子问题都解决了，合并为最终结果。有时只是简单地一个return或者将所有子问题的一个整合。

2.最大子数组

       实际问题：根据股票每天的价格如何求解，怎样购买才能利润最大，利润最大就要买进和卖出的差价最大，可以把相邻元素的的价格差写成一个数组，进行分析，也就是最大子数组问题。

       我们一般人，通常会想到使用暴力的发发找出所有的子数组，然后比较。这样的时间复杂度为：n的平方，但是使用分治，就能把问题优化成nlgn；注意 ：分解子数组时 把mid元素分给左边数组，与求交叉状态时的最大子数组时的（可以简单地记成：哪一半子数组拥有mid哪一半子数组就要在sum上加上mid元素进行比较，但是不能两边都加，会重复求和）

for(int j=mid+1;j<=high;j++)中的j的初始值是对应的，因为要包含所有的情况
<img src="https://img-blog.csdn.net/20141021162635656?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvamlhb21pbmdsaWFuZw==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" />

，还有两种临界情况只含有左边部分到mid，和只含有mid到右边部分，把mid分到做子数组包含了第一种临界情况，交叉情况包含了：第二种临界情况。这样上图：a的分法就包含了所有的情况。

      因为暴力求解在解决n较小的时候还是有很多优势的，所以能否可以将最小子数组的分治求解，在子问题规模小于某个规模的时候使用暴力求解。

/**
	 * 最大子数组的暴力求解方法:找出所有的子数组进行判断，注意子数组只有一个元素时，也要进行
	 * 一次是否为当前最大值的比较。
	 */
	public int [] vioMaxSunArray(int a[],int low,int high)
	{
		int result[]=new int [3];
		result[2]=-1000;
		for(int i=low;i<=h