最大子列和——分而治之（mooc浙江大学数据结构）

注意：因为$N/2^k=1,则N=2^k$，所以可以从倒数第二步得到倒数第一步。

那么问题来了！求最大子列和为什么可以用以上分而治之的方法呢？

这也是困惑了我好长时间的一个问题，最终我通过反复调试程序代码，终于弄明白了。

我们可以把该序列用一条分界线分成两部分，那么所求的子序列所在区域有三种情况：

1）在左边区域，2）在右边区域，3）分界线的左、右两边相连的区域。

如果我们三个区域的最大子列和都知道，问题就简单了，我们只要把这三种情况的结果做一个比较就能得出最终答案了。但是我们并不知道，所以对于分割后的左、右区域也要分成三种情况讨论，以此类推。

值得注意是：因为第三种情况一定是连着的，所以必须是从分界线往左右两边扫描。还有第三种情况和前两种情况没有任何关系

//mooc课后代码
int Max3( int A, int B, int C )
{ /* 返回3个整数中的最大值 */
    return A > B ? A > C ? A : C : B > C ? B : C;
}

int DivideAndConquer( int List[], int left, int right )
{ /* 分治法求List[left]到List[right]的最大子列和 */
    int MaxLeftSum, MaxRightSum; /* 存放左右子问题的解 */
    int MaxLeftBorderSum, MaxRightBorderSum; /*存放跨分界线的结果*/

    int LeftBorderSum, RightBorderSum;
    int center, i;

    if( left == right )  { /* 递归的终止条件，子列只有1个数字 */
        if( List[left] > 0 )  return List[left];
        else return 0;
    }

    /* 下面是"分"的过程 */
    center = ( left + right ) / 2; /* 找到中分点 */
    /* 递归求得两边子列的最大和 */
    MaxLeftSum = DivideAndConquer( List, left, center );
    MaxRightSum = DivideAndConquer( List, center+1, right );

    /* 下面求跨分界线的最大子列和 */
    MaxLeftBorderSum = 0; LeftBorderSum = 0;
    for( i=center; i>=left; i-- ) { /* 从中线向左扫描 */
        LeftBorderSum += List[i];
        if( LeftBorderSum > MaxLeftBorderSum )
            MaxLeftBorderSum = LeftBorderSum;
    } /* 左边扫描结束 */

    MaxRightBorderSum = 0; RightBorderSum = 0;
    for( i=center+1; i<=right; i++ ) { /* 从中线向右扫描 */
        RightBorderSum += List[i];
        if( RightBorderSum > MaxRightBorderSum )
            MaxRightBorderSum = RightBorderSum;
    } /* 右边扫描结束 */

    /* 下面返回"治"的结果 */
    return Max3( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum );
}

int MaxSubseqSum3( int List[], int N )
{ /* 保持与前2种算法相同的函数接口 */
    return DivideAndConquer( List, 0, N-1 );
}