逐步优化求解最大子序列和

求解最大子序列和

tag： 数据结构与算法

---

最大子序列和问题：

给定序列A₁, A₂，... A_N， 求最大的子序列和。
例如 ：
　　对于序列4, -3, 5, -2, -1, 2, 6, -2， 最大序列和为11（4 -3 + 5 - 2 - 1 + 2 + 6）

算法一：

利用两个循环，第一个循环把序列遍历一遍，第二个循环则从A_i累加到A_N，每加一次判断一下是否大于之前的最大子序列和：

int maxSubsequenceSum1 (const int arr[], int n) {int maxSum = 0;int temp;for (int i = 0; i < n; i++) {temp = 0;for (int j = i; j < n; j++) {temp += arr[j];if (temp > maxSum)maxSum = temp;}}return maxSum;
}

时间复杂度：O（n²）

算法二：

首先把序列从中间一分为二， 则最大子序列和的存在有三种情况：

1. 全在左边的子序列
2. 全在右边的子序列
3. 处在中间
   对于第一和第二种情况，只需要递归调用求解函数，对于第三种情况则要分别求出从中间出发，向左边和向右边各自的最大子序列和。

int max(int a, int b, int c) {int max;if (a > b)max = a;else max = b;if (c > max)max = c;return max;
}int maxSubsequenceSum2 (const int arr[], int begin, int end) {int maxLeftSum, maxRightSum, maxLeftCenterSum, maxRightCenterSum, center, temp;if (begin >= end) {if (arr[begin] > 0)return arr[begin];elsereturn 0;}center = (begin+end)/2;maxLeftSum = maxSubsequenceSum2(arr, begin, center);maxRightSum = maxSubsequenceSum2(arr, center+1, end);maxLeftCenterSum = 0;temp = 0;for (int i = center; i >= begin; i--) {temp += arr[i];if (temp > maxLeftCenterSum)maxLeftCenterSum = temp;}maxRightCenterSum = 0;temp = 0;for (int i = center+1; i <= end; i++) {temp += arr[i];if (temp > maxRightCenterSum)maxRightCenterSum = temp;}return max(maxLeftSum, maxRightSum, (maxLeftCenterSum+maxRightCenterSum));
}

时间复杂度:O(nlogn)

算法三:

累加序列,若发现当前序列和大于之前最大序列和,则替换.若发现当前序列和小于0,则将当前序列和置换成0,相当于把前面的序列都舍弃掉.

int maxSubsequenceSum3(int arr[], int n) {int tempSum = 0, maxSum = 0;for (int i = 0; i < n; i++) {tempSum += arr[i];if (tempSum < 0)tempSum = 0;if (tempSum > maxSum)maxSum = tempSum;}return maxSum;    
}

时间复杂度:O(n)