package algorithm;
// 最大子序列和
/*
* 给定一个整数序列,返回该序列中和最大的连续子序列;
* 思路:
* 方法一:动态规划:
* 从第一个元素开始,往后求和,并保存当前求到的最大和,
* 当目前和大于0的时候说明之前的子序列对后边的序列有增益效果,则继续往后求和;
* 当目前和小于1的时候说明之前的子序列对后边的序列没有增益效果,则从当前元素开始继续求和——将当前和更新为当前值
* 每次求和之后更新最大值
* 方法二:分治法:
* 每次将序列分为左右大致相等的两个子序列,则最大子序列有三种情况:
* 1、最大子序列存在右子序列中
* 2、最大子序列存在于左子序列中;
* 3、最大子序列存在于跨越中间元素的连续序列中
* 对左右子序列进行递归求和即可,关键是中间序列的求和:
* 分别从中间开始,向左右两边求和,直至左右边界,然后返回max(lSum,rSum,lSum+rSum);
* 最后返回max(rSubArray,lSubArray,rSubarray+lSubArray)即可;
*/
//测试
public class maxSubArray {
public static void main(String[]args){
int nums[]={-2,1,-3,4,1,2,1,-5,4};
System.out.println(dp.maxSubArrayDp(nums));
System.out.println(dc.maxSubArray(nums,0,nums.length-1));
}
}
//dp
class dp{
public static int maxSubArrayDp(int []nums){
int res=nums[0];
int sum=0;
for(int num:nums){
if(sum>0)sum+=num;
else sum=num;
res=Math.max(res,sum);
}
return res;
}
}
//分治
class dc{
//中间子序列求和
static int maxSubArrayCrossMid(int []nums,int l,int r){
if(l==r)return nums[r];
int index=(r+l)/2;
int lres=nums[index];
int rres=lres;
int lSum=0;
int rSum=lSum;
//左半边
while(index>=l){
lSum+=nums[index];
index--;
lres=Math.max(lres,lSum);
}index=(r+l)/2;
//右半边
while(index<=r){
rSum+=nums[index];
index++;
rres=Math.max(rres,rSum);
}
//这里注意rres+lres会将中间元素多加一次,需要减去
return Math.max(rres+lres-nums[(r+l)/2],Math.max(rres,lres));
}
public static int maxSubArray(int[] nums,int l,int r) {
if (l == r) return nums[r];
return Math.max(maxSubArrayCrossMid(nums, l, r),Math.max(maxSubArray(nums, l, (l + r) / 2),maxSubArray(nums, (r+l)/2+1,r)));
//int midSum = maxSubArrayCrossMid(nums, l, r);
//int lsum = maxSubArray(nums, l, (l + r) / 2);
//int rsum = maxSubArray(nums, (r + l) / 2 + 1, r);
//return(Math.max(Math.max(lsum,rsum),midSum));
}
}
运行结果: