最大子序列求和详解

主要是课堂PPT上的内容，但是觉得很有启发意义，遂记录下来

题目

给定(可能是负的)整数序列A1，A2。。。An，寻找(并标识)值为最大的序列。如果所有的整数都是负的，那么最大连续子序列的和是零。

例如，假设输入是{-2, 11, -4, 13, -5, 2}，那么答案是20，它表示连续子序列包含了第2项到第4项（如粗体字部分）。又如第二个例子，对于输入{1, -3, 4, -2, -1, 6}，答案是7，这个子序列包含最后四项。

解一：穷举法

思路：

分别求子序列

[0，0]，[0，1]，。。。，[0，n]

[1，1]，[1，2]，。。。[1，n]

。。。

[n，n]

的和，求出最大值

代码

int maxSubsequenceSum(int a[], int size, int &start, int &end)
 {  int maxSum = 0;
    for (int i = 0; i < size; i++ )
        for( int j = i; j < size; j++ )
            {  int thisSum = 0;
               for( int k = i; k <= j; k++ )
                   thisSum += a[ k ];
               if( thisSum > maxSum )
                    {  maxSum = thisSum;
                       start = i;   end = j;
                    }
             }
 return maxSum;
}

算法分析

最里层的语句thisSum += a[ k ];在最里层循环中执行j-i+1次。第二个循环的规模是n-i，最外层的循坏规模是n。因此最里层语句执行的次数是

即O(n3)

解二：穷举法的优化

思路

最内层循环已经包含在第二层循环内，所以可以省略

代码

int maxSubsequenceSum(int a[], int size, int &start, int &end)
  {  int maxSum = 0;
     for( int  i = 0; i < size; i++ ){ 
           int thisSum = 0;
           for( int j = i; j < size; j++ ){  
               thisSum += a[j];
               if( thisSum > maxSum ){
                  maxSum = thisSum;
                  start = i;   end = j;
                 }
              }
        }

     return maxSum;
 }

算法分析

少了内层循环的n次遍历，所以时间复杂度为O(n2)

解三：O(n)规模的遍历

思路

如果一个子序列的和是负的，则它不可能是最大连续子序列的一部分，因为我们可以通过不包含它来得到一个更大的连续子序列。如：{-2, 11, -4, 13, -5, 2}的最大子序列不可能从-2开始；{1, -3, 4, -2, -1, 6}的最大子序列不可能包含{1，-3}

所有与最大连续子序列毗邻的连续子序列一定有负的（或0）和（否则会包含它们）。

在算法二中，当检测出一个负的子序列时，不但可以从内层循环中跳出来，而且还可以让i直接增加到j+1。如：{1, -3, 4, -2, -1, 6}，当检测序列[1，-3]后，发现是负值，则表示该子序列不可能包含在最大子序列中。因此，接下去就可以从4开始检测。

注意：当检测序列[1，-3]后，可以确定他不在最大子序列中，但1仍可能是最大子序列，如果-3后面都是负值。因此在找到新的最大子序列前，必须保存1是最大子序列的事实。

代码

int maxSubsequenceSum(int a[], int size, int &start, int &end){ 
   int maxSum = 0,  thisSum = 0, startTmp = 0;
   start = end = 0;
   for( int j = 0; j < size ;  j++ ){  
        thisSum += a[j];
        
        if ( thisSum < 0 )  thisSum = 0;
        else if (thisSum == a[j])    //可能是新的最大子序列
                 startTmp = j;

        if( thisSum > maxSum ){ 
           maxSum = thisSum; start = startTmp; end = j;   
           }
       }

       return maxSum;
  }

算法分析

时间复杂度为O(n)