Leetcode#53: Maximum Subarray

题目描述：求一个数组中子数组和的最大值，需要注意的是，子数组一定要是连续的

思 路1：传统解法中，这是一道典型的动态规划题目，利用最优子结构求解

• 当数组元素为0个时，返回最大值为0
• 当数组元素大于0个时，遍历数组，当前最优解为：max(上一个最优解 + 当前数组元素，当前数组元素)
• 全局最优解为：max(上一个全局最优解，当前最优解)

思 路2：分治法

• 将数组分成左右两部分，分别求最优解 lmax,rmax
• 然后从中间向左右两边扫描，再求出最优解 mmax

如有需要，请访问我的Github获取包含测试程序的C++源码。

//复杂度为O(n)的解法，动态规划
class Solution 
{
public:
    int maxSubArray(vector<int>& nums) 
    {
        if(nums.size() == 0)
        {
            return 0;
        }
        int sum = nums[0];
        int maxSum = nums[0];

        for(int i = 1; i < nums.size(); i++)
        {
            sum = max(sum + nums[i], nums[i]);
            maxSum = max(maxSum,sum);
        }
        return maxSum;
    }
};

//复杂度为O(logn)的解法，分治法
class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        if (nums.empty()) return 0;
        return helper(nums, 0, (int)nums.size() - 1);
    }
    int helper(vector<int>& nums, int left, int right) {
        if (left >= right) return nums[left];
        int mid = left + (right - left) / 2;
        int lmax = helper(nums, left, mid - 1);
        int rmax = helper(nums, mid + 1, right);
        int mmax = nums[mid], t = mmax;
        for (int i = mid - 1; i >= left; --i) {
            t += nums[i];
            mmax = max(mmax, t);
        }
        t = mmax;
        for (int i = mid + 1; i <= right; ++i) {
            t += nums[i];
            mmax = max(mmax, t);
        }
        return max(mmax, max(lmax, rmax));
    }
};