分治法求最大子列和的流程图

分治法求解最大子列和通常采用Kadane's Algorithm，也称为动态规划的一个变种。以下是简单的流程图解释：

1. **分解问题**：
- 将给定数组分割成两个子数组（左子数组和右子数组），如果数组只有一个元素，则它就是当前的最大子列和。

2. **解决子问题**：
- 对每个子数组递归地应用相同的过程，计算它们各自的最大子列和。

3. **合并结果**：
- 比较左右子数组的最大子列和加上第一个元素后的和，与仅包含第一个元素本身的和。选择其中较大的作为当前子串的最大子列和。

4. **返回答案**：
- 当所有子问题都得到解答后，最大的子列和即为整个数组的最大子列和。

下面是对应的伪代码或流程图形式的文字描述：

function maxSubArraySum(arr):
   if length(arr) == 1:
       return arr[0]
   else:
       mid = length(arr) // 2
       leftMax = maxSubArraySum(arr[0:mid])
       rightMax = maxSubArraySum(arr[mid:])
       temp = arr[mid-1] + rightMax
       maxCrossing = arr[mid-1] + max(leftMax, temp)
       return max(leftMax, rightMax, maxCrossing)