最大子列和问题_求跨list[left]到list[right]序列的中点分界线的最大子列和-优快云博客

在计算机科学中，最大子数列问题的目标是在数列的一维方向找到一个连续的子数列，使该子数列的和最大。举一个最简单的例子，给出数组{-4,2,-1，5}求解它的最大子列和。常规思路逐一寻找，具体步骤如下：

①寻找长度为1的子列：{-4}，{2}，{-1}，{5}。数列和分别为：-4,2,-1,5

②寻找长度为2的子列：{-4,2}，{2,-1}，{-1,5}。数列和分别为：-2,1,4

③寻找长度为3的子列：{-4,2,-1}，{2,-1,5}。数列和分别为：-3,6

④寻找长度为4的子列：{-4,2,-1,5}。数列和分别为：2

所以所给数组的最大子列和为：6

暴力求解算法就不多说了，下面给出两种复杂度较低的算法，分治法和在线处理法。注：算法具体思路借鉴浙大陈姥姥mooc讲解。

一、分治法

分支法的大致思想就是将大的问题分解成小的子问题，最后将子问题归纳最终得出最终解,时间复杂度为O(nlogn)。上述例子中，所给出的数组含有4个元素，按照分治思想，将{-4，2，-1，5}分解为{-4,2}和{-1,5}两个子数组，继续分解为{-4}，{2}，{-1}，{5}四个数组分别求解。分解部分完成以后就需要按照要求最分解后的子数组进行合并。

①{-4，2，-1，5}。以中间轴（红色逗号）为分界向两边找4个部分的子列和，得到4个最佳子列（下划线）。它们的最大子列和为5。

②{-4，2，-1，5}。①中1,2部分合并，3,4部分合并，需要注意的是合并后保证以中间轴（红色逗号）为中心能取到最佳子列，最大子列和为4。

③{-4，2，-1，5}。对②中的部分再次进行合并，得到最大子列和为6。

算法如下：

///返回三个整数中的最大值
int Max3(int A,int B,int C){
    return A>B?A>C?A:C:B>C?B:C;
}
///分治法求List[left]到List[right]的最大子列和
int DivideAndConquer(int List[],int left,int right){
    int MaxLeftSum,MaxRightSum;///存放左右子问题的结
    int MaxLeftBorderSum,MaxRightBorderSum;///存放跨分界的结果
    int LeftBorderSum,RightBorderSum;///用于左右两边累加计算
    ///当子列中只有1个数字时，递归终止
    if(left==right)
         return List[left];
    ///分的过程:找到中分点
    int center=(left+right)/2;
    ///递归求两边子列的最大和
    MaxLeftSum=DivideAndConquer(List,left,center);
    MaxRightSum=DivideAndConquer(List,center+1,right);
    ///求跨越分界的最大子列和
    MaxLeftBorderSum=List[center];
    LeftBorderSum=List[center];
    ///从中间向左扫描
    for(int i=center+1;i>=left;i--){
        LeftBorderSum+=List[i];
        if(LeftBorderSum>MaxLeftBorderSum){
            MaxLeftBorderSum=LeftBorderSum;
        }
    }
    ///从中间向右边扫描
    MaxRightBorderSum=List[center+1];
    RightBorderSum=List[center+1];
    for(int i=center+2;i<=right;i++){
        RightBorderSum+=List[i];
        if(RightBorderSum>MaxRightBorderSum){
            MaxRightBorderSum=RightBorderSum;
        }
    }
    ///返回治的结果
    return Max3(MaxLeftSum,MaxRightSum,MaxLeftBorderSum+MaxRightBorderSum);
}
///函数调用接口
int MaxSubseqSum3(int List[],int N){
    return DivideAndConquer(List,0,N-1);
}

二、在线处理法（O(n)）

在线处理法就是数组从左到右逐一添加元素加和，记录最大子列和，时间复杂度为O(n)。同样，以数组{-4,2,-1，5}进行分析。

设置ThisSum用于累加记录子列和,MaxSum记录当前最大子列和。初始化ThisSum=0,MaxSum=0

①ThisSum累加第1个元素，ThisSum=-4,小于零可以观察到，数组中存在大于零的元素，在这里ThisSum<0,ThisSum中加了负数会使子列和减小。显然不可能为最大子列和，此时无需更新MaxSum，且将ThisSum置0。

②ThisSum累加第2个元素，ThisSum=2，ThisSum>MaxSun=m，更新MaxSum=2。

③ThisSum累加第3个元素，ThisSum=ThisSum+（-1）=1，此时，ThisSum>0且ThisSum<MaxSum，无需操作。

④ThisSum累加第4各元素，ThisSum=ThisSum+5=6,此时，ThisSum>MaxSum,更新MaxSum=6。至此，数组元素全部访问结束，最终得到最大子列和为6。

算法如下：

///在线处理法求解最大子列和
int MaxSubseqSum4(int List[],int N){
    int ThisSum=0,MaxSum=0;///ThisSum用于累加，MaxSum记录最大值
    for(int i=0;i<N;i++){
        ThisSum+=List[i];
        if(ThisSum>MaxSum){
            MaxSum=ThisSum;
        }else if(ThisSum<0){
            ThisSum=0;
        }
    }
    return MaxSum;
}

细心的读者可能已经发现，如果数组元素全部为负数呢，因此，这里就会涉及到一个问题，在线处理法的有效性问题，以上述算法为例，在线处理法可以用来解决数组元素中含有非负值的情况，但当所有元素均为负数时，该算法将会失效，只能借助分治法进行求解。所以，在运用在线处理法时，需要首先判断一下数组元素中是否存在非负值，如果不存在，则无法使用在线处理法。

测试代码：

#include<bits/stdc++.h>
using namespace std;

///返回三个整数中的最大值
int Max3(int A,int B,int C){
    return A>B?A>C?A:C:B>C?B:C;
}
///分治法求List[left]到List[right]的最大子列和
int DivideAndConquer(int List[],int left,int right){
    int MaxLeftSum,MaxRightSum;///存放左右子问题的结
    int MaxLeftBorderSum,MaxRightBorderSum;///存放跨分界的结果
    int LeftBorderSum,RightBorderSum;///用于左右两边累加计算
    ///当子列中只有1个数字时，递归终止
    if(left==right){
        if(List[left]>0){
            return List[left];
        }else{
            return 0;
        }
    }
    ///分的过程:找到中分点
    int center=(left+right)/2;
    ///递归求两边子列的最大和
    MaxLeftSum=DivideAndConquer(List,left,center);
    MaxRightSum=DivideAndConquer(List,center+1,right);
    ///求跨越分界的最大子列和
    MaxLeftBorderSum=0;
    LeftBorderSum=0;
    ///从中间向左扫描
    for(int i=center;i>=left;i--){
        LeftBorderSum+=List[i];
        if(LeftBorderSum>MaxLeftBorderSum){
            MaxLeftBorderSum=LeftBorderSum;
        }
    }
    ///从中间向右边扫描
    MaxRightBorderSum=0;
    RightBorderSum=0;
    for(int i=center+1;i<=right;i++){
        RightBorderSum+=List[i];
        if(RightBorderSum>MaxRightBorderSum){
            MaxRightBorderSum=RightBorderSum;
        }
    }
    ///返回治的结果
    return Max3(MaxLeftSum,MaxRightSum,MaxLeftBorderSum+MaxRightBorderSum);
}
///函数调用接口
int MaxSubseqSum3(int List[],int N){
    return DivideAndConquer(List,0,N-1);
}

///在线处理法求解最大子列和
int MaxSubseqSum4(int List[],int N){
    int ThisSum=0,MaxSum=0;///ThisSum用于累加，MaxSum记录最大值
    for(int i=0;i<N;i++){
        ThisSum+=List[i];
        if(ThisSum>MaxSum){
            MaxSum=ThisSum;
        }else if(ThisSum<0){
            ThisSum=0;
        }
    }
    return MaxSum;
}
int main(){
    int s[8]={-1,3,-2,-4,-6,1,6,-1};
    cout<<"分治法："<<MaxSubseqSum3(s,8)<<endl;
    cout<<"在线处理法："<<MaxSubseqSum4(s,8);
    return 0;
}

实战：53. 最大子数组和 - 力扣（LeetCode）https://leetcode.cn/problems/maximum-subarray/submissions/