动态规划来解决“最大子序和”

动态规划，在算法与数据结构中，是最难掌握的知识点之一。没有别的捷径，理解其算法思想后，就是多练，写的多了，就知道怎么写了。
这是leetCode的一道题，来看来动态规划的运用。原题目链接

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。

当然这个题，用暴力求解，一定可以，但时间复杂度就不好看。下面主要说说，怎么用动态规划来求解

首先确定下动态转移方程， f(n)= Max(nuyms[i], f(n-1) + nums[i])
比如示例：[-2,1,-3,4,-1,2,1,-5,4],
f(1) = -2
f(2)：  f(1) + 1 = -1 取 f(2) = 1，即舍弃第二个元素之前的所有元素。从此元素开始，
换句话说，只要f(n-1)是负数，那f(n)=nums[n]

class Solution {
    public int maxSubArray(int[] nums) {
        if(null == nums || nums.length == 0){
            return 0;
        }
        int len = nums.length;
        int[] db = new int[len];
        db[0] = nums[0];
        for(int i = 1; i < len; i++){
            db[i] = Math.max(nums[i], db[i-1] + nums[i]);
        }
        int res = db[0];
        for(int i = 1; i < len; i++){
            if(db[i] > res){
                res = db[i];
            }
        }
        return res;
    }
}

进一步简化，求f(n)，只需要记录f(n-1)的值，我们用一个变量来代替数组

    public int maxSubArray(int[] nums) {
        if(null == nums || nums.length == 0){
            return 0;
        }
        int len = nums.length;
        int res = nums[0]; // 记录最终的结果
        int pre = nums[0]; // 记录上一步的值
        for(int i = 1; i < nums.length; i++){
            pre = Math.max(nums[i], pre + nums[i]);
            res = Math.max(res, pre);
        }
        return res;
    }

代码不难理解，动态规划就是要多练，写的多了，就容易了。