动态规划法求最大连续子列和详解(C++ 和 Java)

什么是最大连续子列和？

最大连续子列和是动态规划经典问题之一。给定序列{A1,A2,......An-1, An}，找出一个连续的子序列，使该子序列和最大。

{1,5,-3,2,4}的最大连续子序列是{1,5,-3,2,4} = 9；

{1,-2,3,4,-10,6}的最大连续子序列是{3,4} = 7;

{-1,-2,-3,-4,-10}的最大连续子序列是{-1} = -1;

思路一：

遍历左右两个端点，获得所有可能的子序列，然后依次比较得到最大和。时间复杂度(n ^ 3)

思路二：

采用记录前缀和的方法预处理，便能在常数时间内获得给定子序列和，不过仍要枚举左右两个端点，以便获得所有的连续子序列。时间复杂度(n ^ 2)

思路三：最快的DP法

设置一个数组dp[]，dp[i]表示以第i个元素A[i]为末尾的最大连续子序列和。于是，最大连续子序列和便是dp[]中的最大值。

因为dp[i]表示以第i个元素A[i]为末尾的最大连续子序列和，所有只有两种情况：

1. 最大和的连续子序列只有A[i]本身，则dp[i] = A[i]
2. 最大和的连续子序列有多个元素，从前面的A[j]开始，一直到A[i]结束，即dp[i] = dp[j] + dp[j + 1] + ... + dp[i - 1] + dp[i]。那如何得到dp[j] + dp[j + 1] + ... + dp[i - 1]？回看dp[i]的定义，我们知道dp[i] = dp[j] + dp