最大子数组和问题：从暴力到Kadane算法的优雅蜕变
给定一个整数数组，找出和最大的连续子数组（至少包含一个元素），并返回这个最大和。这个问题在面试中出现的频率相当高，今天我们就来彻底搞懂它。
示例：
- 输入：arr\[\] = 2, 3, -8, 7, -1, 2, 3 → 输出：11（子数组7, -1, 2, 3的和）
- 输入：arr\[\] = -2, -4 → 输出：-2（子数组-2的和）
- 输入：arr\[\] = 5, 4, 1, 7, 8 → 输出：25（整个数组的和）
目录
学习最大子数组和问题时，从暴力解法到Kadane算法的优化过程，光靠文字推导很容易卡壳。最近发现一个叫图码的宝藏网站，把60多种算法做成交互式动画可视化，比如Kadane算法的状态转移过程，每一步都动态展示，非常直观。更绝的是，它支持输入自定义数据跑动画，甚至上传C/C++/Java/Python代码自动解析，对准备408考研 和数据结构期末考试特别友好。建议直接去体验一下，边看动画边理解，效率高很多。
图码-数据结构与算法交互式可视化平台
访问网站：https://totuma.cn
暴力解法：遍历所有子数组
最直观的方法就是枚举所有可能的子数组，计算每个子数组的和，记录最大值。
思路： 外层循环确定子数组的起点，内层循环确定终点，累加并更新最大值。
python
def maxSubarraySum(arr):
res = arr[0]
for i in range(len(arr)):
currSum = 0
for j in range(i, len(arr)):
currSum += arr[j]
res = max(res, currSum)
return res复杂度分析：
- 时间复杂度：O(n²) ------ 两层嵌套循环
- 空间复杂度：O(1) ------ 只用了常数空间
当数组规模较大时，O(n²)的算法显然不够高效。我们需要更优的解法。
Kadane算法：线性时间解决
Kadane算法的核心思想是动态规划：对于每个位置，我们计算以该位置结尾的最大子数组和，然后取全局最大值。
核心思路：
- 维护两个变量：
res（全局最大和）和maxEnding（以当前位置结尾的最大和） - 遍历数组时，对于每个元素，有两种选择：
- 将当前元素加入之前的子数组（扩展）
- 从当前元素开始新的子数组
- 选择两者中较大的作为新的
maxEnding - 更新全局最大值
res
算法步骤图解：
以数组2, 3, -8, 7, -1, 2, 3为例：
- 初始：res = 2, maxEnding = 2
- i=1 (3): maxEnding = max(3, 2+3) = 5, res = max(2,5) = 5
- i=2 (-8): maxEnding = max(-8, 5-8) = -3, res = max(5,-3) = 5
- i=3 (7): maxEnding = max(7, -3+7) = 7, res = max(5,7) = 7
- i=4 (-1): maxEnding = max(-1, 7-1) = 6, res = max(7,6) = 7
- i=5 (2): maxEnding = max(2, 6+2) = 8, res = max(7,8) = 8
- i=6 (3): maxEnding = max(3, 8+3) = 11, res = max(8,11) = 11
最终结果：11
python
def maxSubarraySum(arr):
res = arr[0]
maxEnding = arr[0]
for i in range(1, len(arr)):
maxEnding = max(maxEnding + arr[i], arr[i])
res = max(res, maxEnding)
return res复杂度分析：
- 时间复杂度：O(n) ------ 只需遍历一次数组
- 空间复杂度：O(1) ------ 只用了常数空间
总结
| 算法 | 时间复杂度 | 空间复杂度 | 适用场景 |
|---|---|---|---|
| 暴力法 | O(n²) | O(1) | 小规模数据或教学演示 |
| Kadane算法 | O(n) | O(1) | 大规模数据，实际应用 |
Kadane算法是解决最大子数组和问题的标准解法，其思想还可以推广到其他类似问题，如最大乘积子数组等。掌握这个算法，面试中遇到类似问题就能游刃有余了！
相关文章推荐：
- 打印最大和子数组
- 最大乘积子数组
- 重复拼接数组的最大子数组和