1.实践题目名称
最大子列和问题
2.问题描述
7-1 最大子列和问题 (20分)
本题旨在测试各种不同的算法在各种数据情况下的表现。各组测试数据特点如下：
输入格式:
输入第1行给出正整数K (≤)；第2行给出K个整数，其间以空格分隔。
输出格式:
在一行中输出最大子列和。如果序列中所有整数皆为负数，则输出0。
3.算法描述
代码:
#include<iostream>
using namespace std;
int maxSum(int *array,int l, int r){
if(l == r){
return array[l];
}
int mid = l + (r - l)/2;
int lmax = maxSum(array , l, mid);
int rmax = maxSum(array , mid+1 , r);
int ltmp=0 , rtmp=0 , lTmpMax=0 , rTmpMax=0 ;
for(int i=mid; i>=0; i--){
ltmp += array[i];
lTmpMax = max(ltmp, lTmpMax);
}
for(int i=mid+1; i <= r; i++){
rtmp += array[i];
rTmpMax = max(rtmp , rTmpMax);
}
return max(lmax, max(rmax, lTmpMax+rTmpMax ));
}
int main(){
int n,array[10000];
cin>>n;
for(int i=0; i<n; i++){
cin>>array[i];
}
cout<<maxSum(array,0,n-1);
}
4.算法时间及空间复杂度分析（要有分析过程）
将数组切成两半，时间复杂度是:O(n/2)。
每层处理横跨左右区间的最大子段和，时间复杂度为O(n)
共有O(n)=O(1)+2*T(n/2)+O(n)=O(nlogn)
5.心得体会（对本次实践收获及疑惑进行总结）
收获：
1.这是一种非常经典的算法, 相较于动态规划, 没有那么难想, 较于暴力破解, 没有那么慢.
2.通过不断地分解问题,最终达到可解决的程度, 这是打题的思路, 也是更深入地了解了人生的哲理, 有些事情, 不去分解, 就会很难去面对.
原文：https://www.cnblogs.com/panghupro/p/13794533.html