浙大数据结构01-复杂度1 最大子列和问题 (20 分)（方法总结）

题目：

输入样例：

6
-2 11 -4 13 -5 -2（结尾无空行）

输出样例：

20（结尾无空行）

---

主函数：

#include<iostream>
#include<algorithm>
#include<vector>

using namespace std;

int MaxSubseqSum1(vector<int>List, int N);//算法1
int MaxSubseqSum2(vector<int>List, int N);//算法2
int MaxSubseqSum3(vector<int>List, int N);//算法3
int MaxSubseqSum4(vector<int>List, int N);//算法4

int main()
{
	int sum, x, i;
    vector<int>List;
    
    scanf("%d",&sum);
    for(i=0;i<sum;i++){
        scanf("%d",&x);
        List.push_back(x);
    }
	printf("%d ",MaxSubseqSum1(List,sum));  //算法1
	printf("%d ",MaxSubseqSum2(List,sum));  //算法2
	printf("%d ",MaxSubseqSum3(List,sum));  //算法3
	printf("%d ",MaxSubseqSum4(List,sum));  //算法4
	return 0;
}

---

 算法1：穷举所有最大子列和，从中找出最大值。算法复杂度是 O(N^3).

int MaxSubseqSum1(vector<int>List, int N)
{
	int ThisSum, MaxSum = 0;
	int i, j, k;
	for(i=0; i<N; i++){     //i是子列左端
		for(j=i; j<N; j++){     //j是子列右端
			ThisSum = 0;    //List[i]到List[j]的子列和
			for(k=i; k<=j; k++){
				ThisSum += List[k];//每次循环都是从头加数，只需要每次累加1项即可
			}
			if(ThisSum > MaxSum)
				MaxSum = ThisSum;//更新最大子列和
		}
	}
	return MaxSum;
}

---

算法2：对算法1的改进，降低了算法复杂度。算法复杂度是O(N^2);

int MaxSubseqSum2(vector<int>List, int N)
{
	int ThisSum, MaxSum = 0;
	int i, j;
	for(i=0; i<N; i++){  //i是子列左端
		ThisSum = 0;
		for(j=i; j<N; j++){  //j是子列右端
			ThisSum += List[j];//只需累加即可
			if(ThisSum > MaxSum)
				MaxSum = ThisSum;//更新子列和
		}
	}
	return MaxSum;
}

---

算法3：分而治之。

    如果把原始序列一分为二，那么最大子列和有以下三种情况：

             1.左半边；2.右半边；3.横跨中间的一段；

算法思想：

    1.将序列中分为左右两个序列；

    2.递归求出两个子列的最大和“S左”“S右”；

    3.从中分点向左，右两边扫描，找出横跨分界线的最大子列和“S中”；

    4.最大子列和为左右子列“S左”和“S右”与横跨的子列和“S中”的最大值；

int Max3(int A, int B, int C)
{
	return A>B ? (A>C ? A : C) : (B>C ? B : C); //返回A，B，C中的最大值；
}
int DivideAndConquer(vector<int>List, int left, int right)
{
	int MaxLeftSum, MaxRightSum;
	int MaxLeftBorderSum, MaxRightBorderSum;

	int LeftBorderSum, RightBorderSum;
	int center, i;

	if(left == right)//递归的终止条件
	{
		if(List[left] > 0)  return List[left];
		else                return 0;
	}
	//下面是“分”的过程
	center = (left + right)/2;//找中间点
	//递归求得两边子列的最大和
	MaxLeftSum = DivideAndConquer(List, left, center);
	MaxRightSum = DivideAndConquer(List, center + 1, right);

	//下面求得跨分界线的最大子列和
	MaxLeftBorderSum = 0; LeftBorderSum = 0;
	for(i=center; i>=left; i--){
		LeftBorderSum += List[i];
		if(LeftBorderSum > MaxLeftBorderSum)
			MaxLeftBorderSum = LeftBorderSum;
	}//左边扫描结束

	MaxRightBorderSum = 0; RightBorderSum = 0;
	for(i=center+1; i<=right; i++){
		RightBorderSum += List[i];
		if(RightBorderSum > MaxRightBorderSum)
			MaxRightBorderSum = RightBorderSum;
	}//右边扫面结束
	//下面返回“治”的结果；
	return Max3(MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum);
}
int MaxSubseqSum3(vector<int>List, int N)
{
	return DivideAndConquer(List, 0, N-1);
}

---

算法4：在线处理。

//算法4：在线处理
int MaxSubseqSum4(vector<int>List, int N)
{
	int i;
	int ThisSum, MaxSum;

	ThisSum = MaxSum = 0;
	for(i=0; i<N; i++){
		ThisSum += List[i];  //向右累加
		if(ThisSum > MaxSum)
			MaxSum = ThisSum;  //发现更大和则更新当前结果；
		else if(ThisSum < 0)  //如果当前子列和为负；
			ThisSum = 0;  //则不可能使后面的部分和增大，抛弃之；
	}
	return MaxSum;
}