最大子序列和问题

问题描述：给定一个整数序列（可能有负数），求一子序列（记为L‘）使得该子序列所有元素之和最大。例：给定序列-2，11，-4，13，-5，-2，则最大子序列和为20（11，-4，13）

方法一：遍历穷举——O(n^2)

略

方法二：分治递归——O(n*logn)

思路：将输入序列L分为左右两个子序列L1和L2，则L’只可能以下面三种情况出现：

• L‘完全在L1中，则L’也是L1中具有最大子序列和的子序列
• L‘完全在L2中，则L’也是L2中具有最大子序列和的子序列
• L‘跨越L1和L2，则分别求出L1中包含最后一个元素的所有序列中的和最大的那个（记为L1’）以及L2中包含第一个元素的所有序列中的和最大的那个（记为L2‘），则L’=L1‘+L2’

因此，前两种情况实际上是一种递归，对于情况三，可以采用遍历。最后，求出三种情况中最大的那个，即是所求最终结果

方法三：动态规划——O(n)

思路：不断计算子序列的和，若大于当前最大子序列和，则更新；若当前子序列和小于0，只会为后续序列增加负担，因此全部丢弃，继续扫描（思考一下，L‘中包含最左边元素的任意子序列的和都不可能小于0，否则L’就不可能是L中具有最大和的子序列）

想想，若子序列(A[s], ..., A[t])之和小于0，为什么全部丢弃而不考虑(A[s+1], ..., A[t])或者(A[s+2], ... A[t])呢？因为既然走到这一步，说明(A[s], ..., A[t])左边任意部分如(A[s])或者(A[s], A[s+1])它们各自的和不可能小于0，否则早就被丢弃了。因此，(A[s+1], ..., A[t])或者(A[s+2], ... A[t])只可能比(A[s], ..., A[t])更小。也就是说，若(A[s], ..., A[t])小于0，则(A[s+1], ..., A[t])或者(A[s+2], ... A[t])必然小于0，带上它们只会给后续序列增加负担

利用动态规划算法的代码如下：

int max_subseq_sum(int a[], int n){
	int this_sum = 0, max_sum = 0;
	for(int i = 0; i < n; i++){
		this_sum += a[i];
		if(this_sum > max_sum)
			max_sum = this_sum;
		else if(this_sum < 0)  //丢弃很关键
			this_sum = 0;
	}
	return max_sum;
}