输入一个整型数组，数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。
要求时间复杂度为O(n)。
示例1:
输入: nums = [-2,1,-3,4,-1,2,1,-5,4]
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。
提示：
1 <= arr.length <= 10^5
-100 <= arr[i] <= 100
来源：力扣（LeetCode）
链接：https://leetcode-cn.com/probl...
方法一：前缀和
思路和算法
- 都是负数的情况下 每次都是sum为当前值，依次与maxsum比较取其中最大的。
- 正常情况下（有正有负）累计前缀和，只要sum大于0 （还有存在价值），就加上来，判断与前面的maxsum谁大，取较大值；
- 当前和变小到0时（说明前面的负数抵消了，后面来的数不管是正是负，前面累计的和0都没价值了），则重新从当前数开始，同时保证子数组的连续性。
- 注意不是遇到负数就重新赋值。另外需要不停的判断当前和是不是最大的。
int maxSubArray(vector<int>& nums) { int maxSum = nums[0]; //默认第一个数为最大值 int sum = 0; for (int i = 0; i < nums.size(); i++) { sum = sum <= 0 ? nums[i] : sum + nums[i];// 当前和不大于0时，说明前面抵消了，从新开始累计和;同样的如果都是负数时，则依次比较哪个最大，赋值给maxSum maxSum = sum > maxSum ? sum : maxSum; // 不停比较更新maxSum } return maxSum; }
方法二：动态规划（DP方程）
思路和算法
最原始的动态规划
- 状态:dp[i]:以第i个数结尾的和的最大值
- 转移:若dp[i - 1] < 0,则以第i个数结尾的和的最大值为第i个数本身
- 若dp[i - 1] > 0,则以第i个数结尾的和的最大值为的dp[i - 1]与dp[i - 1] + nums[i]中的较大者
- 避免遍历dp数组，每次比较dp更新结束后比较res与dp[i]的大小作为返回值
int maxSubArray(vector<int>& nums) { int len = nums.size(); vector<int> dp(len); dp[0] = nums[0]; int res = nums[0]; for (int i = 1; i < len; i++) { //判断 if(dp[i - 1] > 0) { dp[i] = max(dp[i - 1] + nums[i], nums[i]); } else { dp[i] = nums[i]; } //三目运算符 //dp[i] = (dp[i - 1] > 0) ? dp[i] = max(dp[i - 1] + nums[i], nums[i]) : nums[i]; res = max(res, dp[i]); } return res; }
