LeetCode No.53 最大子序和 java (分治算法) (2)

---

昨天（其实是前天），我阐述了这道题的贪心解法和动态规划解法，今天我来说说另一个方法—分治算法（这个算法的效率并没有贪心和动态规划的方法高效，但是它却和这两种方法有这相同的重要性）

题目

给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
示例1：

输入：nums = [-2,1,-3,4,-1,2,1,-5,4]
输出：6
解释：连续子数组 [4,-1,2,1] 的和最大，为 6 。

示例2：

输入：nums = [1]
输出：1

示例 3：

输入：nums = [0]
输出：0

示例 4：

输入：nums = [-1]
输出：-1

示例 5：

输入：nums = [-100000]
输出：-100000

提示：
1 <= nums.length <= 3 * 104
-105 <= nums[i] <= 105

进阶：如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的 分治法 求解。

来源：力扣（LeetCode）
链接：LeetCode No.53 最大子序和

---

题解 分而治之

我们通过官方代码来讲解：
代码定义了一个函数：get(nums, left, right)表示获取nums数组中从left到right之间的最大子序列和，
所以我们要求的答案就应该是 get（nums, 0, nums.length() - 1）,而要用分治的思路实现的话，则是从中间切开形成两个数组leftSub 和 rightSub，而且一直递归形成这些数组，直到当数组长度为1时开始递归回溯：

m = (left + right) >> 1; (m = (left + right) / 2; )
leftSub = get(nums, left, m)
rightSub = get(nums, m + 1, right)
注意：这个地方rightSub的起始位置一定要从m + 1开始，否则会进行无限递归
我们一直进行分治肯定是想要获取一些量为目的的，而这些量是什么呢？如下我们来分析：

每一个数组我们需要获取并维护的都有四个属性：
lSum（从最左端点算起的最大子段和）
rSum（从最右端点算起的最大子段和）
mSum（整段数组的最大子序列）
iSum（整段数组的和）

我一开始很好奇为什么需要lSum 和rSum还有iSum这3个量，然后我发现，一个数组的最大子序列和就是由这几个量生成的，如下来看解释：
如果一个数组从中切成左右两边，则最大子序列mSum有三种可能：

1. 全部在左边
2. 全部在右边
3. 在中间（跨越中间点）

第一种情况，我们会发现，该数组的mSum 就是 左段子数组的 mSum
第二种情况类似，该数组的mSum 就是 右段子数组的 mSum
第三种情况，我们可以得出mSum的值等于左段数组的rSum + 右段数组的lSum
由第三种情况而来rSum，lSum的意义

那么问题来了，rSum，lSum怎么求呢？
求一个数组的rSum，lSum，我们可以分两种情况讨论，我们以lSum为例讨论：

1. 等于左段数组的lSum
2. 等于左段数组的iSum