最大子序列问题四种解题方法

• 版权声明：本文为CSDN博主「YelloJesse」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
• 原文链接：https://blog.csdn.net/YelloJesse/article/details/82312659

---

---

题目

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

---

三重循环（控制子序列长度）

这道题拿到手的第一思路就是首先利用一重循环控制子序列的长度，再用两重循环控制子序列的左起点和右终点。

代码

//三重循环 控制子序列的长度
void solve1()
{
   for(int i=1;i<k;i++){        //一重循环控制子序列长度
       for(int j=0;j<k;j++){        //二重循环控制左起点
           for(int k=j;k<j+i;k++)   //三重循环控制右终点
               sum+=a[k];
           if(max<=sum)
               max=sum;
           sum=0;
       }
   }
}

结果（PTA数据）

时间复杂度为O(n3)

---

二重循环（只控制左起点和右终点）

在三重循环的基础上，不再控制子序列的长度。

首先让左起点固定为起始点0，然后一直变换右终点直到k-1，即可得到左起点为0时的所有子序列。

以此类推，就可以得到所有的子序列，相比三重循环复杂度更低

代码

//二重循环 只控制子序列的左起点和右起点
void solve2()
{
   //经过i、j 的控制每次二重循环所得的子序列都不同
   for(int i=0;i<k;i++){   // i 控制左起点，当左起点为i时的所有子序列中求最大值
       sum=0;
       for(int j=i;j<k;j++){   // j 控制右起点
           sum+=a[j];
           if(max<=sum)
               max=sum;
       }
   }
}

结果（PTA数据）

时间复杂度为O(n2)

---

在线处理（一重循环）

在每一次更新子序列和的时候，就对此时的最大子序列进行比较处理，并且判断此时的子序列和有无往后累加的意义。

代码

//在线处理 每次产生子序列和就更新最大子序列和
void solve3()
{
    for(int i=0;i<k;i++){
        sum+=a[i];          //一直向右累加计算子序列和
        if(max<=sum)        //更新最大子序列
            max=sum;
        else if(sum<0)      //当sum的值为负数时，此时的sum就没有必要再向后累加（在后面进行解释）
            sum=0;
    }
}

解释（巧妙之处）

为什么当sum的值为负数时，sum就没有必要再向后累加。
例如，案例中的 -2 11 这两个数字，当遍历到 -2 时，sum = -2，此时再次向后累加子序列和时，sum = -2 + 11 = 9。
这时得到的 sum 值还没有抛弃 -2，单独长度为1的子序列 sum=11 的权值大。
因此当 sum < 0 时，将 sum = 0 。

结果（PTA数据）

时间复杂度为O(n)

---

二分

将整个问题分为三部分：

将整个序列二分为两个部分
1、求二分后的序列左边，未跨越中线的最大子序列值 (MaxLeftSum)
2、求二分后的序列右边，为跨越中线的最大子序列值 (MaxRightSum)
3、求跨越中线的最大子序列值 (MaxLeftBorderSum + MaxRightBorderSum)
需要注意的是：
这里我们把跨越中线的值的求法也二分，分为求跨越中线的左边最大子序列值 (MaxLeftBorderSum) 和跨越中线的右边最大子序列值 (MaxRightBorderSum)，最后跨越中线的最大子序列值为二者的和
最后比较三个部分的最大值即可确定最大子序列值

代码

//返回三个整数的最大值
int Max3 ( int A, int B, int C ) {
    return (A > B) ? (A > C ? A : C) : (B > C ? B : C);
}
//分治法求a[left]到a[right]的最大子列和，a数组为存放序列的数组
int DivideAndConquer (int left, int right ) {
    int MaxLeftSum, MaxRightSum;    //存放左右子问题的解。
    int MaxLeftBorderSum, MaxRightBorderSum;    //存放跨分界线的结果。
    
    int LeftBorderSum, RightBorderSum;
    int center, i;
    
    //递归的终止条件，子列只有1个数字
    if ( left == right ) {
        if ( a[left] > 0 )    return a[left];
        else return 0;
    }
    
    // “分”的过程
    center = ( left + right ) / 2;    //找到中分点。
    MaxLeftSum = DivideAndConquer (left, center );    //递归求左子列和。
    MaxRightSum = DivideAndConquer (center+1, right );    //递归求右子列和。
    
    //求跨分界线的最大子列和
    //先求跨越中线的左边最大子序列值
    MaxLeftBorderSum = 0;    LeftBorderSum = 0;
    for ( i = center; i >= left; i-- ) {
        LeftBorderSum += a[i];
        if ( LeftBorderSum > MaxLeftBorderSum )
            MaxLeftBorderSum = LeftBorderSum;
    }//左边扫描结束。
    
    //后求跨越中线的右边最大子序列值
    MaxRightBorderSum = 0;    RightBorderSum = 0;
    for ( i = center+1; i <= right; i++ ) {
        RightBorderSum += a[i];
        if ( RightBorderSum > MaxRightBorderSum )
            MaxRightBorderSum = RightBorderSum;
    }//右边扫描结束。
    
    //最后取出三部分的最大值
    return Max3 ( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum );
}
/*此函数用于保持接口相同*/
int MaxSubseqSum3 (int N ) {
    return DivideAndConquer (0, N-1 );
}

结果

时间复杂度为O(nlogn)