leetcode 53 最大子段和(动态规划)

给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
示例:
输入: [-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。
进阶:
如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。
若采用暴力枚举所有连续字段的和，复杂度是O(n^2)
若尝试采用动态规划方法，最关键的是确认动态规划状态，若假设第i个状态dp[i]代表前i个数字组成的连续的最大字段和，能否推导出dp[i]与dp[i-1]之间的关系？
实际上，如果设第i个状态dp[i]代表前i个数字组成的连续的最大子段和，并不能够根据dp[i-1]、dp[i-2]、……、dp[0]推导出dp[i]
两者不相邻，故无法构成连续的子数组，之间无内在联系，故无法进行推导
为了让第i个状态的最优解与第i-1个状态的最优解产生直接联系
如果第i个状态dp[i]代表以第i个数字结尾的最大字段和，那么dp[i]与dp[i-1]之间的关系是什么
将求n个数的数组的最大字段和，转化为分别求以第1个、第2个、……、第n个数字结尾的最大字段和，再找出这n个结果中最大的，即为结果
动态规划算法：
第i个状态dp[i]即为以第i个数字结尾的最大子段和，由于第i-1个数字结尾的最大字段和dp[i-1]与nums[i]相邻
状态转移方程：dp[i] = max(dp[i-1]+nums[i]，nums[i])
边界条件：以第一个数字结尾的最大字段和dp[0] = nums[0]

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        vector<int> dp(nums.size(), 0);
        dp[0] = nums[0];
        int max_res = dp[0];
        for (int i = 1; i < nums.size(); i++){
            dp[i] = max(dp[i-1]+nums[i], nums[i]);
            if (dp[i] > max_res){
                max_res = dp[i];
            }
        }
        return max_res;
    }
};