求子数组的最大和

输入一个整形数组。数组中连续的一个或多个整数组成一个子数组，每个子数组都有一个和。求所有子数组的和的最大值。

• 接口

Int GetSubArraySum（Int* pIntArray，Int nCount）；

• 规格

要求时间复杂度为O(n)

• 举例

例如输入的数组为1, -2, 3, 10, -4, 7, 2, -5，和最大的子数组为3, 10, -4, 7, 2，
因此输出为该子数组的和18。

#include <stdlib.h>
#include <string.h>
#include "oj.h"


/*
功能:
    
输入:pIntArray:数组,nCout:数组长度
    
输出:
     
返回:返回最大值
     
*/

int GetSubArraySum(int* pIntArray, int nCount)
{
    /*在这里实现功能*/
	if(pIntArray == NULL || nCount <1)
		return 0;
	int maxSum = pIntArray[0],sum = 0;
	for(int i = 0;i<nCount;++i)
	{
		sum += pIntArray[i];
		if(sum > maxSum)
		{
			maxSum = sum;
		}
		if(pIntArray[i] < 0 && sum <0)
		{
			if(sum<maxSum)
				sum = 0;
		}
	}
    return maxSum;
}

自己写的代码想复杂了，如果利用动态规划思想就特别容易理解。

动态规划算法

设sum[i]为以第i个元素结尾且和最大的连续子数组。假设对于元素i，所有以它前面的元素结尾的子数组的长度都已经求得，那么以第i个元素结尾且和最大的连续子数组实际上，要么是以第i-1个元素结尾且和最大的连续子数组加上这个元素，要么是只包含第i个元素，即sum[i] = max(sum[i-1] + a[i], a[i])。可以通过判断sum[i-1] + a[i]是否大于a[i]来做选择，而这实际上等价于判断sum[i-1]是否大于0。由于每次运算只需要前一次的结果，因此并不需要像普通的动态规划那样保留之前所有的计算结果，只需要保留上一次的即可，因此算法的时间和空间复杂度都很小。

#include <stdlib.h>
#include <string.h>
#include "oj.h"

/*
功能:
    
输入:pIntArray:数组,nCout:数组长度
    
输出:
     
返回:返回最大值
     
*/

int GetSubArraySum(int* pIntArray, int nCount)
{
    /*在这里实现功能*/
	if(pIntArray == NULL || nCount <1)
		return 0;
	int maxSum = pIntArray[0],sum = pIntArray[0];
	for(int i = 1;i<nCount;++i)
	{
		if(sum > 0)
			sum += pIntArray[i];
		else
			sum = pIntArray[i];
		if(sum > maxSum)
			maxSum = sum;
	}
    return maxSum;
}