最大子序列和问题

最大子列和问题

问题描述来自PTA-数据结构与算法题目集（中文）7-1 最大子列和问题：
给定K个整数组成的序列{ N₁,N₂,…,N_K}，“连续子列”被定义为{N_i,N_i+1,…,N_j}，其中 1≤i≤j≤K。“最大子列和”则被定义为所有连续子列元素的和中最大者。例如给定序列{ -2, 11, -4, 13, -5, -2 }，其连续子列{ 11, -4, 13 }有最大的和20。现要求你编写程序，计算给定整数序列的最大子列和。
本题旨在测试各种不同的算法在各种数据情况下的表现。各组测试数据特点如下：
数据1：与样例等价，测试基本正确性；
数据2：102个随机整数；
数据3：103个随机整数；
数据4：104个随机整数；
数据5：105个随机整数；
输入格式:
输入第1行给出正整数K (≤100000)；第2行给出K个整数，其间以空格分隔。
输出格式:
在一行中输出最大子列和。如果序列中所有整数皆为负数，则输出0。
输入样例:
6
-2 11 -4 13 -5 -2
输出样例:
20

暴力求解

对 $i$ 从$0...N$，$j$ 从 $0...N$ 求$Sum(i,j)$,其中$$Sum(i,j)=N_i+N_{i+1}+...+N_j$$
在所有$Sum(i,j)$中求最大值，即为整个序列的最大子序列和

for(int i = 0;i < num;i++)
    {
        for(int j = 0;j < num;j++)
        {
            int sum = 0;
            for(int k = i;k < j;k++)
            {sum += array[k];}
            if(sum>maxsum) {maxsum = sum;/*printf("%d\n",maxsum);*/}
        }
    }

但是三重循环在序列的 $N$ 较大时会超时

暴力算法改进

在求$Sum(i,j)$的过程中，其实有$$Sum(i,j+1)=Sum(i,j)+array[j+1]$$
我们之前的求解过程中存在大量的重复计算，去除重复计算也是算法优化的一大途径

for(int i = 0;i < num;i++)
    {
        int sum = 0;
        for(int j = i;j < num;j++)
        {
            sum += array[j];
            if(sum>maxsum) {maxsum = sum;}
        }
    }

尽管如此，整个算法的复杂度依旧是$O(N^2)$，这开销依旧是十分巨大的。

动态规划

最大子序列和问题是动态规划中最为经典的问题之一，所以已知可以用动态规划的思想去求解。
对于一个长度为 $i$ 的序列，我们求其到达第 $i$ 位时最大子序列和$Sum[i]$，可以先求到达其前 $i-1$ 项的最大子序列和$Sum[i-1]$，看该和与第 $i$ 项相加后与第 $i$ 项比较的结果，从而我们可以得到状态转移方程
$$Sum[i]=max(Sum[i-1]+array[i],array[i])，其中i\ge 1$$
对于长度为$N$的序列，我们求出长度为$0..N$的子序列和$Sum[0]...Sum[N]$后，对整个Sum数组进行比较后可以在其中求出整个序列的最长子序列和maxsum。
因为存储$Sum[0..N]$会耗费成本，所以在算法中只是用sum变量记录，而比较也会花费时间，所以直接在循环中比较，求得

int maxsum = array[0];
    int sum = array[0];
    for(int i = 1;i < num;i++)
    {
        if(sum+array[i]>array[i])
            sum += array[i];
        else
            sum = array[i];
        if(sum>maxsum)
            maxsum = sum;
    }

所以其实整个问题先将对长度为N的序列的最大子序列和化为对第0…N位的最大子序列和的求解，而第0…N位的最大子序列和可以用动态规划的思想求解，再在0…N位的最大子序列中求取最大的，从而求解出整个序列的最大子序列和。

后记

感谢胡凡算法笔记其中动态规划的讲解，讲解得非常细致全面，推荐推荐
4.13号不小心误删覆盖了一次，没实现恢复，不管了，先贴代码，有心情再来重新写
4.14号重新写了一次，但是觉得仍有纰漏