Python||二分法与动态规划求解最大子段和问题

题目描述

        这是一道超级经典的题目，对应的是力口上的第53题，最大子数组和。本文将会给出两种解法。一种是分治解决，一种是动态规划解决。

二分法

        解决这个问题的核心想法是将数组不断地划分为更小的子数组，直到最小的子数组只包含一个元素。然后，通过递归的方式，不断地将子数组的最大子数组和合并，直到得到整个数组的最大子数组和。这里要特别注意，要如何处理最大字段在中间的情况，笔者给出的处理思路是用两个for循环，从中点向左右两端遍历，找到包含中点的最大子数组和。

具体代码实现如下：

import random
#处理跨界子段
def max_crossing_sum(arr, left, mid, right):
    left_sum = float('-inf')
    right_sum = float('-inf')
    
    current_sum = 0
    for i in range(mid, left-1, -1):
        current_sum += arr[i]
        if current_sum > left_sum:
            left_sum = current_sum
    
    current_sum = 0
    for i in range(mid+1, right+1):
        current_sum += arr[i]
        if current_sum > right_sum:
            right_sum = current_sum
    
    return left_sum + right_sum

#二分法
def max_subarray_sum(arr, left, right):
    if left == right:
        return arr[left]
    
    mid = (left + right) // 2
    
    left_sum = max_subarray_sum(arr, left, mid)
    right_sum = max_subarray_sum(arr, mid+1, right) #这里mid加1是因为在处理左半部分已经处理过一次mid了
    cross_sum = max_crossing_sum(arr, left, mid, right)
    
    return max(left_sum, right_sum, cross_sum)

# 测试
arr1 = [4, -5, 1, 2, -1, 4, -3, 1, -2]
print("测试1 最大子段和:", max_subarray_sum(arr1, 0, len(arr1)-1))

arr2 = [random.randint(-10, 10) for _ in range(100)]
print("随机数数组:", arr2)
print("测试2 最大子段和:", max_subarray_sum(arr2, 0, len(arr2)-1))

 动态规划

        接着给出动态规划解法，笔者在看到这到题目的时候，最开始的思路就是使用动态规划求解。具体思路是，使用一个dp数组来存储最大字段和，每次将目标数组中的元素加到dp数组中，比较当前dp数组中元素和与上一个状态的dp数组中元素和大小，取字段和最大的dp数组即可。

具体代码实现如下：

def max_subarray_sum_dp(arr):
    n = len(arr)
    dp = [0] * n
    dp[0] = arr[0]
    
    for i in range(1, n):
        dp[i] = max(arr[i], dp[i-1] + arr[i])
    
    return max(dp)

# 测试
arr1 = [4, -5, 1, 2, -1, 4, -3, 1, -2]
print("测试1 最大子段和:", max_subarray_sum_dp(arr1))

arr2 = [random.randint(-10, 10) for _ in range(100)]
print("随机数数组:", arr2)
print("测试2 最大子段和:", max_subarray_sum_dp(arr2))

        动态规划的解法比二分的解法会更加简洁，也更符合人的思考思维。在实现动态规划算法过程中，我们的一个核心思路是得找状态转移方程，即如何描述从一个状态转移到另一个状态。