最大子序列和问题的多种解法

1.O(n)的解法

/*
返回最大和
*/
int maxSum_1(const int A[], int n)
{
	int thisSum, maxSum;
	thisSum = maxSum = 0;
	for (int j = 0; j < n; ++j)
	{
		thisSum += A[j];
		if (thisSum > maxSum)
		{
			maxSum = thisSum;
		}
		else 
		{
			if (thisSum < 0)
				thisSum = 0;
		}
	}
	return maxSum;
}

//返回最大和，同时打印出子序列边界
int maxSum_2(const int A[], int n)
{
	int thisSum, maxSum;
	thisSum = maxSum = 0;
	int start,end;	
	int temps, tempe;
	start=end=temps = tempe = 0;
	for (int j = 0; j < n; ++j)
	{
		//重置temps tempe
		if (thisSum == 0)
		{
			tempe = temps = j;
		}
		thisSum += A[j];
		if (thisSum > maxSum)
		{
			maxSum = thisSum;
			tempe = j;
			//更新start end
			start = temps;
			end = tempe;
		}
		else {
			if (thisSum < 0)
				thisSum = 0;
		}
	}
	cout << start << " " << end << endl;
	return maxSum;
}

2.分治解法，O(NlogN)

算法思想：
最大子序列和可能在三处出现：

• 1.在整个数据序列的左半部分；
• 2.整个出现在右半部分；
• 3.出现在中间，跨越中部占据左右两部分

第三种情况可以通过求前半部分的最大和（包含前半部分最后一个元素） 以及 后半部分的最大和而得到（包含后半部分第一个元素）

int maxSum_3(const int A[], int left, int right)
{
	int maxLeftSum, maxRightSum;
	int maxLeftBorderSum, maxRightBorderSum;
	int leftBorderSum, rightBorderSum;
	int center;
	if (left == right)		//base case
	{
		if (A[left] > 0)
			return A[left];
		else
			return 0;
	}
	center = (left + right) / 2;
	//第一种情况
	maxLeftSum = maxSum_3(A, left, center);
	//第二种情况
	maxRightSum = maxSum_3(A, center + 1, right);
	maxLeftBorderSum = 0;
	leftBorderSum = 0;
	//第三种情况
	for (int i = center; i >= left; --i)
	{
		leftBorderSum += A[i];
		if (leftBorderSum > maxLeftBorderSum)
			maxLeftBorderSum = leftBorderSum;
	}
	maxRightBorderSum = 0; rightBorderSum = 0;
	for (int i = center + 1; i <= right; ++i)
	{
		rightBorderSum += A[i];
		if (rightBorderSum > maxRightBorderSum)
			maxRightBorderSum = rightBorderSum;
	}
	return max({ maxLeftSum,maxRightSum,maxLeftBorderSum + maxRightBorderSum });
}

3.双重循环，O(N^2)

int maxSum_4(const int A[],int N)
{
	int thisSum,maxSum;
	maxSum=0;
	for(int i=0;i<N;++i)
	{
		thisSum=0;
		for(int j=i;j<N;++j)
		{
			thisSum+=A[j];
			if(thisSum>maxSum)
				maxSum=thisSum;
		}
	}
	return maxSum;
}