python求解最大子序列和（连续不连续）

首先分治算法求解不连续的最大子序列

分治算法步骤:

1.将问题分解为若干简单的子问题

2.通过递归寻求各个子问题的解

3.合并各个子问题的解，从而得到原始问题的解

首先对于求解连续最大子序列问题而言，将序列划分为左、右两部分，连续最大序列和的分布有三种情况。

第一种：存在于左边序列

第二种：存在右边序列

第三种：跨界的序列

首先先定义比较三个数大小的函数，其次再写寻找最大子序列和的函数，在函数中求解左右两边最大子序列和时必然会递归调用此函数，注意递归的结束条件。

def max3(x,y,z):#求三个数的最大值
    max=x
    if y>max:
        max=y
    if z>max:
        max=z
        return max
    else:
        return max
def findmaxsum(alist):#求最大子序列和
    length=len(alist)
    if len(alist)<=1:#递归结束条件
        return alist[0]
    mid=length//2
    left_list=alist[:mid]
    rigth_list=alist[mid:]
    leftmaxsum=findmaxsum(left_list)#递归解决左边序列最大子序列和
    rightmaxsum=findmaxsum(rigth_list)#递归解决右边最大子序列和
    max_left_right_sum=leftmaxsum+rightmaxsum#跨界情况，进行求和
    return max3(leftmaxsum,rightmaxsum,max_left_right_sum)#返回最大值

时间复杂度为O（nlogn），比暴力寻找的时间复杂度O（n^2）有所优化

动态规划求连续的最大子序列和

def test_func(num_list):#动态规划求最大连续子序列
    length=len(num_list)
    max_value=-10000000
    tmp=0
    for i in range(length):
        tmp=max(tmp+num_list[i], num_list[i])#有效解决了连续问题
        max_value=max(max_value, tmp)
    return max_value

时间复杂度为O（n），动态规划引用自点击打开链接