最大子段和问题——分治法

分治法的设计思想

将一个难以直接解决的大问题，划分成一些规模较小的子问题，以便各个击破，分而治之。更一般地说，将要求解的原问题划分成k个较小规模的子问题，对这k个子问题分别求解。如果子问题的规模仍然不够小，则再将每个子问题划分为k个规模更小的子问题，如此分解下去，直到问题规模足够小，很容易求出其解为止，再将子问题的解合并为一个更大规模的问题的解，自底向上逐步求出原问题的解。

启发式规则：

1. 平衡子问题：最好使子问题的规模大致相同。也就是将一个问题划分成大小相等的k个子问题（通常k＝2），这种使子问题规模大致相等的做法是出自一种平衡（Balancing）子问题的思想，它几乎总是比子问题规模不等的做法要好。
2. 独立子问题：各子问题之间相互独立，这涉及到分治法的效率，如果各子问题不是独立的，则分治法需要重复地解公共的子问题。

分治法的典型情况

分治法的求解过程

一般来说，分治法的求解过程由以下三个阶段组成：
（1）划分：既然是分治，当然需要把规模为n的原问题划分为k个规模较小的子问题，并尽量使这k个子问题的规模大致相同。
（2）求解子问题：各子问题的解法与原问题的解法通常是相同的，可以用递归的方法求解各个子问题，有时递归处理也可以用循环来实现。
（3）合并：把各个子问题的解合并起来，合并的代价因情况不同有很大差异，分治算法的有效性很大程度上依赖于合并的实现。

问题描述

代码

#include<iostream>
using namespace std;
int MaxSum(int a[ ], int left, int right)
{
    int sum=0;
    int center,leftsum,rightsum,s1,lefts,i,s2,rights,j;
    if (left==right)        //如果序列长度为1，直接求解
    {
        if (a[left]>0)
            sum=a[left];
        else
            sum=0;
    }
    else
    {
        center=(left+right)/2;    //划分
        leftsum=MaxSum(a, left, center);//对应情况①，递归求解
        rightsum=MaxSum(a, center+1, right);//对应情况②，递归求解
        s1=0;
        lefts=0;
        //以下对应情况③，先求解s1
        for (i=center; i>=left; i--)
        {
            lefts+=a[i];
            if (lefts>s1)
                s1=lefts;
        }
        s2=0;
        rights=0;             //再求解s2
        for (j=center+1; j<=right; j++)
        {
            rights+=a[j];
            if (rights>s2)
                s2=rights;
        }
        sum=s1+s2;              //计算情况③的最大子段和
        if (sum<leftsum)
            sum=leftsum;
        //合并，在sum、leftsum和rightsum中取较大者
        if (sum<rightsum)
            sum=rightsum;
    }
    return sum;
}
int main()
{
    int n;
    int a[100];
    cin>>n;
    for(int i=0;i<n;i++)
    {
        cin>>a[i];
    }
    cout<<MaxSum(a,0,n-1);
}

分析算法的时间性能，对应划分得到的情况①和②，需要分别递归求解，对应情况③，两个并列for循环的时间复杂性是O(n)，所以，存在如下递推式：

算法的时间复杂性为O(nlog2n)。