3. 算法效率

解决(solve)一个问题的多个不同算法在性能上的比较，主要方法是算法时间复杂度分析，输入数据元素数量为n时，算法的时间边界是O(n)，O(nlgn)，平方算法O(n#2)还是O(n#3)。然而算法效率是算法操作(operate)或处理(treat)数据的重复次数最小，“优化”算法时间边界。算法效率的研究目标是程序数据，与算法分析并不相同，而且可用在程序设计上。

例题选自《编程珠玑》第8章，算法设计技术。

这个问题是一维模式识别（人工智能）中的一个问题。

输入有n个元素的向量，输出连续子向量中的最大和。向量是数学的概念，用数组表示向量，输出连续元素序列和的最大值。问题的关键是元素允许负值，若不允许负值，最大和是数组，规定所有元素是负数时，子向量最大和定义为0。

一维数组d[0..9]={31,-41,59,26,-53,58,97,-93,-23,84}。子向量最大和d[2..6]的和，187。

需要解决的关键问题是明晰子向量d[i,,j]的边界(i,j)，怎么将数组分组。因此不同的分组方法组成不同的算法。主要有三次方或二次方算法，分治法--树形数据算法，O(n)算法。

3.1  三次方与二次方算法

(1)三次方算法。对任意0 <= i <= j < n，(i,