算法设计与分析第二章

一、 最大字段和分治法

在用分治法求解最大字段和问题时，可以大致分为以下三种情况：

1. 当最大子段和位于数组最左边的时候
2. 当最大字段和位于数组最右边的时候
3. 当最大子段和包含所选的界定值，也就是在界定值的两侧的时候

第一种情况，当最大子段和位于数组最左边的时候，通过不断地递归，保留最大的子段和，最后相加
第二种情况，当最大子段和在数组右边的时候，也是通过不断地递归，最后相加
第三种情况，当界定值包含在最大子段和中的时候，取得的界定值往左右两边分别寻找，最后相加
 

代码如下： 

 附上代码段：

int maxSum(int a[], int left, int right)
{
	int sum=0;
	if(left==right)          //临界条件 
	{
		if(a[left]>0) sum=a[left];
		else sum=0; 
	}
	else
	{
		int mid=(left+right)/2;
		int leftSum=maxSum(a,left,mid); //递归求取左边最大字段和 
		int rightSum=maxSum(a,mid+1,right); //递归求取右边最大字段和 
		int s1=0; 
		int left1=0;
		for(int i=mid;i>=left;i--)      //界定值左边最大和 
		{
			left1+=a[i];
			if(left1>s1) s1=lefts;
		}
		int s2=0; 
		int right2=0;
		for(int i=mid+1;i<right;i++)  //界定值右边最大和 
		{
			right2+=a[i];
			if(right2>s2) s2=right2;
		}
		sum=s1+s2;                        //中间字段最大和 
		if(sum<leftSum) sum=leftSum;	
		if(sum<rightSum) sum=rightSum;
	}
	return sum;
}

二、最大字段和分治算法时间复杂度分析 

分解子问题时间复杂度为O(1)，求解子问题时间复杂度为2T(n/2)，合并子问题算法时间复杂度为O(n)

根据主定理得：T(n)=2T(n/2)+O(n)=O(nlogn)

三、对分治法的体会与思考

分治法的基本做法是将规模为n的问题分解为k个规模较小的问题，这些子问题相互独立且与原问题相同，通过递归解决子问题并合并得到原问题的解。

与原问题相比，分治法时间效率得到优化。

分治法中最重要的是递归的思想。

通过学习分治法，一些问题规模较大的问题得到了高效的解决。除了课堂所学的示例，实际生活中也有许多问题需要用到分治的思想。在以后的学习生活中也要活学活用。