LeetCode 53. 最大子序和(C++) 分治法

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

分治思路和算法

本题目和 剑指 Offer 42一样
其实动态规划为最优解：https://blog.csdn.net/qq_30457077/article/details/114851315

这个分治方法类似于**「线段树求解最长公共上升子序列问题」**的 pushUp 操作。 也许读者还没有接触过线段树，没有关系，方法二的内容假设你没有任何线段树的基础。当然，如果读者有兴趣的话，推荐阅读线段树区间合并法解决多次询问的「区间最长连续上升序列问题」和「区间最大子段和问题」，还是非常有趣的。

我们定义一个操作 get(a, l, r) 表示查询 a 序列 [l,r] 区间内的最大子段和，那么最终我们要求的答案就是 get(nums, 0, nums.size() - 1)。如何分治实现这个操作呢？对于一个区间 [l,r]，我们取m= （l+r）/2，对区间 [l,m] 和 [m+1,r] 分治求解。当递归逐层深入直到区间长度缩小为 1 的时候，递归「开始回升」。这个时候我们考虑如何通过 [l,m][l,m] 区间的信息和 [m+1,r] 区间的信息合并成区间 [l,r] 的信息。
最关键的两个问题是：

我们要维护区间的哪些信息呢？
我们如何合并这些信息呢？
对于一个区间 [l,r]，我们可以维护四个量：

lSum 表示 [l,r] 内以 l 为左端点的最大子段和
rSum 表示 [l,r] 内以 r 为右端点的最大子段和
mSum 表示 [l,r] 内的最大子段和
iSum 表示 [l,r] 的区间和
以下简称 [l,m] 为 [l,r] 的「左子区间」，[m+1,r] 为 [l,r] 的「右子区间」。我们考虑如何维护这些量呢（如何通过左右子区间的信息合并得到 [l,r] 的信息）？对于长度为 1 的区间 [i, i]，四个量的值都和 nums[i] 相等。对于长度大于 1 的区间：

首先最好维护的是 iSum，区间 [l,r] 的 iSum 就等于「左子区间」的 iSum 加上「右子区间」的 iSum。
对于 [l,r] 的 lSum，存在两种可能，它要么等于「左子区间」的 lSum，要么等于「左子区间」的 iSum 加上「右子区间」的 lSum，二者取大。
对于 [l,r] 的 rSum，同理，它要么等于「右子区间」的 rSum，要么等于「右子区间」的iSum 加上「左子区间」的 rSum，二者取大。
当计算好上面的三个量之后，就很好计算 [l,r] 的 mSum 了。我们可以考虑 [l,r] 的 mSum 对应的区间是否跨越 m——它可能不跨越 m，也就是说 [l,r] 的 mSum 可能是「左子区间」的 mSum 和 「右子区间」的 mSum 中的一个；它也可能跨越 m，可能是「左子区间」的 rSum 和 「右子区间」的 lSum 求和。三者取大。
这样问题就得到了解决。

class Solution {
public:
    struct Status {
        int lSum, rSum, mSum, iSum;
        //lSum 表示 [l,r] 内以 l 为左端点的最大子段和
		//rSum 表示 [l,r] 内以 r 为右端点的最大子段和
		//mSum 表示 [l,r] 内的最大子段和
		//iSum 表示 [l,r] 的区间和
    };

    Status pushUp(Status l, Status r) {
        int iSum = l.iSum + r.iSum;//区间 [l,r] 的 iSum 
        //就等于「左子区间」的iSum 加上「右子区间」的iSum。
        int lSum = max(l.lSum, l.iSum + r.lSum);
        //对于 [l,r] 的 lSum，
        //存在两种可能，
        //它要么等于「左子区间」的 lSum，
        //要么等于「左子区间」的 iSum 加上「右子区间」的lSum，二者取大。
        int rSum = max(r.rSum, r.iSum + l.rSum);//对于 [l,r] 的rSum，同理，
        //它要么等于「右子区间」的 rSum，
        //要么等于「右子区间」的 iSum 加上「左子区间」的rSum，二者取大。
        int mSum = max(max(l.mSum, r.mSum), l.rSum + r.lSum);
        //当计算好上面的三个量之后，就很好计算 [l,r] 的mSum 了。
        //我们可以考虑 [l,r] 的 mSum 对应的区间是否跨越 m——它可能不跨越 m，
        //也就是说 [l,r] 的 mSum 可能是「左子区间」的 mSum 和 「右子区间」的 mSum 中的一个；
        //它也可能跨越 m，可能是「左子区间」的 rSum 和 「右子区间」的 lSum 求和。三者取大。
        return (Status) {lSum, rSum, mSum, iSum};//返回值
    };

    Status get(vector<int> &a, int l, int r) {
        if (l == r) {
            return (Status) {a[l], a[l], a[l], a[l]};//长度为1
            //当递归逐层深入直到区间长度缩小为 1 的时候，递归「开始回升」。
        }
        int m = (l + r) >> 1;//长度除2 
        //我们取 m = （l+r）/2
        Status lSub = get(a, l, m);//左子区间
        Status rSub = get(a, m + 1, r);//右子区间
        return pushUp(lSub, rSub);//两个区间
    }

    int maxSubArray(vector<int>& nums) {
        return get(nums, 0, nums.size() - 1).mSum;//最后结果
    }
};

复杂度分析