浅谈分治问题之二：最大子数组问题

本节将继续讨论分治问题，并分析在最大子数组的问题中分治策略的时间复杂度，并引出一种新的解决问题的方法。
最大子数组问题在生活中十分常见，例如股票问题，假设你获得投资一只股票的机会，为了实现收益最大化，你会在股票最低价格时买入，最高价格时抛出，我们可以设计一种算法来实现这个问题。
（一）暴力求解法
我们可以很容易设计出一种算法求解此问题，算出所有的子数组并进行比较即可，详见代码。
int maxSubArray(int a[],int n)
{
    int maxium = -INF; //INF = 0x7fffffff
    int sum;
    for(int i = 0;i <= n;)
    {
        sum = 0;
        for(int j = i;j <= n;j++)
        {
            sum = sum + a[j];
            if(sum >maxium)
            maxium = sum;
        }
    }
    return maxium;
}

从上面的代码很容易看出，暴力求解的方法的时间复杂度为O（n2），我们可以转换一下思想，我们把以每日价格为单位换成每日价格变换为单位，这样问题就变成寻求价格变换的一个最大非空连续子数组，这样我们就可以采取分治的方法来思考问题了。
（二）利用分治策略来思考问题
利用上述思想可以得出分治的策略，将数组分成两部分，如果左边大于右边，返回左边，若右边大，则返回右边部分，否则返回两部分之和。首先考虑分治策略，伪代码如下
int findMaxCrossingSubarray(int A[], int low, int mid, int high)
{
int leftSum = -INF;
int sum = 0;
int maxLeft = mid + 1;
for (int i = low; i < mid; i++)
{
sum = sum + A[i];
if (sum > leftSum)
{
leftSum = sum;
maxLeft = i;
}
}
int rightSum = -INF;
sum = 0;
int maxRight = mid + 1;
for (int j = mid +1; j < high; j++)
{
sum = sum + A[j];
if (sum > rightSum)
{
rightSum = sum;
maxRight = j;
}
}
return maxLeft, maxRight, leftSum + rightSum;
}
然后利用递归来返回函数的值，伪代码如下：
int findMaxiumSubarray(int A[], int low, int high)
{
if (high == low)
return low, high, A[low];
else int mid = (low + high) / 2;
{
int maxLeft = findMaxiumSubarray(A, low,mid);
int maxRight = findMaxiumSubarray(A,mid+1,high);
int maxCross = findMaxCrossingSubarray(A, low, mid, high);
}
if (leftSum >= rightSum&&leftSum >= crossSum)
return leftLow, LeftHigh, leftHigh;
else if (rightSum >= leftSum&&rightSum >= crossSum)
return rightLow, rightHigh, rightSum;
else
return crossLow, crossHigh, crossSum;
}
这个算法的优势在于他的精确度降低到了O（nlogn），优于暴力求解法。测试结果如下