力扣53题：最大子序和

题目链接：最大子序和问题

方法一：动态规划
思路：比较nums[i]和f(i-1)+nums[i]的大小。
列出动态规划转移方程f(i)=max{f(i−1)+nums[i],nums[i]}

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int pre = 0, maxAns = nums[0];
        for (const auto &x: nums) {
            pre = max(pre + x, x);//用来存储对于当前i的最大f(i-1)
            maxAns = max(maxAns, pre);
        }
        return maxAns;
    }
};

此方法时间复杂度为O(n),空间复杂度为O(1)。

方法二：分治
思路：我们定义一个操作 get(a, 1, 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] 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，有两种情况，要么等于「左子区间」的lsum，要么等于「左子区间」的lSum 加上「右子区间」的 lSum，两者取较大值。
• 对于[l,r]的rsum同理
• 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。

class Solution {
public:
    struct Status {
        int lSum, rSum, mSum, iSum;
    };

    Status pushUp(Status l, Status r) {
        int iSum = l.iSum + r.iSum;
        int lSum = max(l.lSum, l.iSum + r.lSum);
        int rSum = max(r.rSum, r.iSum + l.rSum);
        int mSum = max(max(l.mSum, r.mSum), l.rSum + r.lSum);
        return (Status) {lSum, rSum, mSum, iSum};
    };

    Status get(vector<int> &a, int l, int r) {
        if (l == r) {
            return (Status) {a[l], a[l], a[l], a[l]};
        }
        int m = (l + r) >> 1;
        Status lSub = get(a, l, m);
        Status rSub = get(a, m + 1, r);
        return pushUp(lSub, rSub);
    }

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