求最大子序列和--体会算法的魅力

算法，即我们解决问题的策略。优秀的算法可以简化复杂的问题，大大减少计算机运行的时间。

以求最大子序列和为例初步体会算法的威力。

给定一个数值数组啊a[10]={ 3, -1, 5, -3, 2, 5, -6, 4, 1, -2 },要求它的最大子序列和。最简单的想法是：从第一个元素开始依次计算每一项子序列，然后找出最大值即可。这种方法容易想到，也是可行的，可通过如下代码实现：

#include<iostream>
using namespace std;
int main()
{
int a[10] = { 3, -1, 5, -3, 2, 5, -6, 4, 1, -2 };
int max = 0;
for (int i = 0; i < 10; i++)
{
int sum = 0;
for (int j = i; j < 10; ++j)
{
sum += a[j];
if (sum > max)
max = sum;
}
}
cout << max;
return 0;
}

我们分析一下该算法可以发现在运算中进行了大量重复运算：第一个数字运算n次（数组长度），第二个数字运算n + n-1次。。。显然若n很大时会造成巨大的浪费。

我们可以用折半的思想进行简化问题：把数组一分为二，分别计算前半部分最大子序列和a和后半部分的最大子序列和b，再分别计算前半部分包含最后一项的最大序列和c，以及后半部分包含后半部分第一项的最大序列和d。然后比较a、b、c+d，最大者即为最大子序列和。这种方法较上一种的运算量少了一半左右，但数组很大时计算量依旧很大。

现在我们采用一种更为简洁的方法：

#include<iostream>
using namespace std;
int main()
{
int a[10] = { 3, -1, 5, -3, 2, 5, -6, 4, 1, -2 };
int sum = 0;
for (int i = 0; i < 10; i++)
{
sum += a[i];
if (sum > max)
max = sum;
if (sum < 0)                      //若前i项和小于0，则最大子序列和不可能包含前i项，故舍弃前i项，从i+1项计算最大子序列和；这样每个数只会运算一次。
sum = 0;
}
cout << max;
return 0;
}

这三种算法在n较小时（例如上述的10）计算速度几乎无差别，编译运行后立刻计算出结果。

但n较大时（笔者用100000做测试）会有明显的差异，第三种算法依旧可以立即运算出结果，但前两种算法则运行了较长时间（大约15s）。

优良算法的威力可见一斑。尤其是处理复杂的数据时采用优良的算法更是极为必要。