第二章 分治法

function maxSubarray(arr, low, high):
    // 基本情况：如果只有一个元素，直接返回
    if low == high:
        return arr[low]

    // 计算中点
    mid = (low + high) / 2

    // 递归求解左子数组的最大字段和
    left_max = maxSubarray(arr, low, mid)

    // 递归求解右子数组的最大字段和
    right_max = maxSubarray(arr, mid + 1, high)

    // 求跨越中点的最大字段和
    cross_max = maxCrossingSubarray(arr, low, mid, high)

    // 返回左子数组最大字段和、右子数组最大字段和和跨越中点的最大字段和中的最大值
    return max(left_max, right_max, cross_max)

function maxCrossingSubarray(arr, low, mid, high):
    // 初始化左子数组的最大字段和为负无穷
    left_sum = -∞
    sum = 0
    // 从中点向左遍历，找出左子数组的最大字段和
    for i from mid downto low:
        sum += arr[i]
        left_sum = max(left_sum, sum)

    // 初始化右子数组的最大字段和为负无穷
    right_sum = -∞
    sum = 0
    // 从中点向右遍历，找出右子数组的最大字段和
    for i from mid + 1 to high:
        sum += arr[i]
        right_sum = max(right_sum, sum)

    // 返回跨越中点的子数组的最大字段和
    return left_sum + right_sum

总的时间复杂度为 O(n log n)，其中 n 是输入数组的大小。这是因为在每一级递归中，都要处理 O(n) 的子数组。

分治法是一种非常强大的算法设计策略，它适用于解决各种问题，包括排序、查找、组合问题等。通过将问题分解为子问题，然后将子问题的结果组合起来，分治法能够提供高效的解决方案。但需要注意的是，分治算法的实现通常会导致递归，而递归调用可能会导致额外的内存开销。因此，在实际应用中，需要谨慎选择适当的数据结构和算法来解决问题，以确保性能和内存使用的平衡。