算法基础——动态规划之最大子数组问题

• 问题描述
  
  - 分而治之的解决方案

  在分治算法中，已经学习过最大子数组问题。使用分治的方法：将大数组arr分为两个小数组arr_left和arr_right，则求解arr的最大子数组和等价于：

  在arr_left的最大子数组和、arr_right的最大子数组和、跨中点的最大子数组和中找一个最大的，即为arr的最大子数组和。

  采用分治算法解决该问题，Golang实现在前面分治的博客里写过，其时间复杂度为O(nlogn)，而使用dp的方法可以使复杂度降低至O(n)

• DP的解决方案

  1）分析问题结构： dp的第一步为分析问题结构，找到该问题的最佳子结构性质：对n个元素的数组arr[n]求解最大子数组和maxSum(n), 首先去找 maxSum(n) 和 maxSum(n-1) 的关系。

  假设我们已经知道前n-1个元素的最大子数组和 maxSum(n-1), 设前n个元素中以第n元素结尾的最大子数组和为 P(n) , 则

  maxSum(n) = max{ maxSum(n-1), P(n) }

  继续观察 P(n) 和 P(n-1) 的关系： 若以第n-1个元素结尾的最大子数组和 P(n-1) 加上第n个元素的和大于第n个元素(即P(n-1)>0)，那么以第n个元素结尾的最大子数组和为 P(n) = P(n-1) + arr[n]，否则 P(n) 就等于arrr[n] 第n个元素本身， 即：

  P(n) = max{ P(n-1)+arr[n], arr[n] }

  我们已经找到了maxSum(n)和maxSum(n-1)子问题的关系，这就是最大子数组和问题的最优子结构性质。

  2）构造递推式： 我们通过分析最优子结构性质。已经得到了dp的递推式：

  P(n) = max{ P(n-1)+arr[n], arr[n] }
  maxSum(n) = max{ maxSum(n-1), P(n) }

  3）初始化数组，自底向上求解： 构造两个一维数组 maxSum 和 P ; P[i]: 数组前i的元素中包含元素i的最大子数组和； maxSum[i]: 数组前i个元素中的最大子数组和。

  设没有元素的数组最大子数组和为负无穷以便于求解，即初始化P[0] 和