最大子序列的求解-分治方法

问题描述

问题：给定整数序列，求解其中最大子序列（连续的序列）。

思路分析

利用“分治”和递归的思想求解，在《数据结构与算法分析（Java语言描述）》Page29，作者给出了具体的java代码。
总体思路是，原序列的子序列存在于三处，左、右和跨中点。将序列从中点分割，分别用递归求出

1. 左边最大子序列
2. 右边最大子序列
3. 跨中点的最大子序列

其中，步骤3分别求出包含左侧和右侧包含中点端点的最大子序列，求和即是结果。
这样最后三者中的最大者即为序列的最大子序列。

源程序

//添加了求三数最大值的函数
public class MaxSubsequence {

    public static int maxSubSum3(int[] a) {
        return maxSumRec(a,0,a.length-1);
    }
    
    private static int maxSumRec(int[] a,int left,int right) {
        if(left==right) {
            if(a[left]>0)
                return a[left];
            else
                return 0;
        }
        
        int center =(left+right)/2;
        int maxLeftSum=maxSumRec(a, left, center);     //递归1
        int maxRightSum=maxSumRec(a, center+1, right); //递归2
        
        int maxLeftBorderSum=0,leftBorderSum=0;
        for(int i=center;i>=left;i--) {
            leftBorderSum+=a[i];
            if(leftBorderSum>maxLeftBorderSum)
                maxLeftBorderSum=leftBorderSum;            
        }
        
        int maxRightBorderSum=0,rightBorderSum=0;
        for(int i=center+1;i<=right;i++) {
            rightBorderSum+=a[i];
            if(rightBorderSum>maxRightBorderSum)
                maxRightBorderSum=rightBorderSum;            
        }
        
        return max3(maxLeftSum,maxRightSum,maxLeftBorderSum+maxRightBorderSum);            
    }
    
    public static int max3(int a,int b,int c) {
        int temp=a>b?a:b;
        int max3=temp>c?temp:c;
        return max3;
    }
    
    public static void main(String[] args) {
        // TODO Auto-generated method stub
        int[] arr={4,-3,5,-2,-1,2,6,-2};
        int maxSubSum=maxSubSum3(arr);
        System.out.println("the maxSubSum of array arr is:"+maxSubSum);
    }

}

程序分析

程序中，maxSumRec为递归函数，函数开始为是否到达递归基准的if判断语句，然后分别是两个递归语句，执行步骤①②。对于递归而言，递归语句后边的语句暂时不执行，从递归语句处直接返回递归函数开始进行递归，在该递归语句处向内递归，直到到达基准语句，执行return跳出递归。递归语句计算出maxLeftSum和maxRightSum。

函数中，递归语句后边的部分计算步骤③，在for循环中，固定中点端点，分别向左右两侧循环求和，利用if语句来更新包含中心端点的maxLeftBorderSum和maxRightBorderSum。两个变量求和即是③的最大子序列。

最后，求出最大者即可。

启发：使用递归的时候，需要在递归语句前边，提前设置好到达基准的条件（if，return/break），以便适时完成递归，跳出递归函数。

程序性能分析

注意到，该段程序的两条递归语句出现在同一个函数内，起初我对递归的具体执行顺序理解错误，以为步骤①的递归执行得出maxLeftSum时，之后的步骤③语句并不会执行。实际进行程序调试后，发现，该段程序虽然看起来相对简洁，但在执行时，会执行不必要的语句，执行逻辑并不明了。

下面进行简单的作图分析：

注意到，递归函数从外层，沿着计算maxLeft的路径，经过三次递归调用maxSumRec函数，到达基准，在基准层分别计算递归函数内部的三部分maxLeft、maxRight、左侧最大子序列与右侧最大子序列的和maxLeftBorderSum+maxRightBorderSum，并利用max3求出最大者返回。然后再从基准层向上，计算上一层maxRightSum，然后依次规律，逐步向上计算，最后计算出整个递归函数的maxLeft、maxRight和左右和，最后再执行max3函数，返回三者的最大值，得到最终的最大子序列和。

整个过程类似二叉树的每一个节点都长三个不同大小的桃子，从根节点递归到最下层的树叶，比较三个桃子的大小，摘取一个，再摘取同辈的其他节点的桃子。依次向上摘，总体呈现从总到分，再从分到总的一个过程。

时间复杂度计算

程序主要运行部分在maxSumRec函数，分为if判断基准语句、两条递归语句、两个for计算半侧边界最大子序列语句。若序列元素个数为N，T（N）为该算法的运行时间。

在maxSumRec函数中，不管N为多少，if基准语句部分总是运行固定的常数时间。

• 若N=1，为基准情况，if语句执行，return返回结果，后续部分不再执行，因此，T（1）=1。
• 若N≠1，则后续的程序必须执行。两个for循环中，索引0~N-1的元素都被接触一次，运行时间为O（N）。if基准语句、与if等缩进的几条赋值语句运行时间为常量，与O（N）比可忽略。剩余为两条递归语句，每条语句执行时间为T（N/2）,因为左/右最大子序列求解，都是处理N/2大小的子序列。总的运行时间T（N）=2T（N/2）+O（N）。

参考书上的方法，使用规律递推的方式，计算T（N）。简化O（N）为N，并假设N为2的幂。T（2）=2×2，T（4）=4×3，T（8）=8×4，T（16）=16×5，若N=2^k，则T（N）=N(logN+1)=O（N log N）

总结

总体而言，对于计算序列的最大子序列而言，书中的本算法略显麻烦，后续会进行其他简洁方法的补充，本文借此算法来深入理解递归的过程。