Maximum Subarray

leetcode第53题，典型题，必考题，寻找最大和子序列，典型方法，分治法和动态规划。

分治法

def maxSub(nums,low,high):

    if low >= high:
        return nums[low]

    mid = (low+high)/2
    s1 = maxSub(nums,low,mid)
    s2 = maxSub(nums,mid+1,high)

    tempSum = 0
    midRightMax = float('-inf')
    midLeftMax = float('-inf')
    for i in range(mid+1,high+1):
        tempSum += nums[i]
        if tempSum > midRightMax:
            midRightMax = tempSum
    tempSum = 0
    for i in range(mid,low-1,-1):
        tempSum += nums[i]
        if tempSum > midLeftMax:
            midLeftMax = tempSum
    s3 = midLeftMax+midRightMax

    return max(s1,s2,s3)

动态规划法，这个方法比较难理解，脱离状态转移方程，从这个题本身来看，动态规划的意义是这样的。首先，负数不能作为所求子序列的开头，很明显，如果选负数做开头，则从这个数下一个数开始的同样的子序列肯定比原子序列的和要大，由此继续推，和为负数的子序列不是所求子序列的前缀，因为有了第一条保证，这说明和为负数的子序列当中无论用哪个数作为开头，它其中的一段必然为负数，这样选用和为负数的子序列的下一个数作为开头的话，比原子序列要大，这就矛盾了。

def maxSub2(nums):
    n = len(nums)
    tempSum = 0
    maxSum = 0
    for i in range(n):
        tempSum += nums[i]
        if tempSum > maxSum:
            maxSum = tempSum
        elif tempSum < 0:
            tempSum = 0
    return maxSum