动态规划求解连续最大子序列和MAXIMUM SUBARRAY PROBLEM

对于求解连续最大子序列和问题，有4种解决方法，暴力算法、分治，动态规划，还有一个记不到名字的方法，在这个博客里，我们讲一下用动态规划求解。

要解决的问题：对于一个数列，找到这个数列的一个连续的子数列，使得这个子数列的和最大。

**方法：**对于子数列的每一个元素 L[i]，我们求解从第一个元素L[0]开始到 L[i] 的最大子数列和，并且存储在 ms 中。
对于 L[i], 有两种处理方法，一种是把 L[i] 作为最大子序列的开始，一种是把它接连在前面的最大子序列的后面，转移方程为
ms[i]=max(ms[i-1]+L[i], L[i])

为了在代码中输出最大子序列，我们用 flag 列表标记子序列的开头，如果 L[i] 是候选最大子序列的开头，则 flag[i]=1,否则 flag[i]=0。最后输出的时候我们找到max(ms)，index(max(ms))为最大子序列和的末端，继续向前寻找即可。

python代码：

def maximum_subarray_problem(arr):
    length = len(arr)
    ms = [0] * length
    ms[0] = arr[0]
    # flag为1的时候表示是子序列的开头,若要把这个子序列数出来，
    # 只要标记对于每个元素而言，从第一个元素到它的最大子序列，它是不是开头即可
    flag = [1] * length
    maximum_sub = []
    for i in range(1, length):
        if (ms[i - 1] + arr[i]) > arr[i]:
            ms[i] = ms[i - 1] + arr[i]
            flag[i] = 0
        else:
            ms[i] = arr[i]
    max_value = max(ms)
    max_index = ms.index(max_value)
    for i in range(max_index, -1, -1):
        if flag[i] == 1:
            maximum_sub.insert(0, arr[i])
            break
        maximum_sub.insert(0, arr[i])
    return max_value, maximum_sub


if __name__ == '__main__':
    l = [12, 5, -1, 31, -61, 59, 26, -53, 58, 97, -93, -23, 84, -15, 6]
    dp, sub = maximum_subarray_problem(l)
    print(dp, sub)

测试结果

187 [59, 26, -53, 58, 97]