最大子段和（动态规划）

原理

1. 最大子段和问题定义
   给定一个整数序列，要求找出该序列中具有最大和的连续子段（子数组）。例如，对于序列 [-2, 1, -3, 4, -1, 2, 1, -5, 4]，其最大子段和为 6，对应的子段是 [4, -1, 2, 1]。

2. 动态规划思路及状态定义

   • 状态定义：使用 dp[i] 表示以第 i 个元素结尾的最大子段和。例如，dp[3] 就代表以序列中第 3 个元素结尾的连续子段能取得的最大和（这里序列索引从 0 开始计数）。
   • 状态转移方程推导依据：对于每个元素 nums[i]（i > 0），有两种选择来构成以它结尾的最大子段和。一种是将当前元素 nums[i] 加入到以 nums[i - 1] 结尾的最大子段中（即 dp[i - 1] + nums[i]），另一种就是当前元素 nums[i] 单独作为一个子段（即 nums[i] 本身），取这两种情况中的较大值作为 dp[i] 的值，也就是 dp[i] = max(dp[i - 1] + nums[i], nums[i])。因为要使得以 nums[i] 结尾的子段和最大，要么接上前面的子段（前提是能使和更大），要么就自己单独成段（前面的子段和为负时，接上反而会使和变小）。
   • 最终结果获取：在计算出所有以每个元素结尾的最大子段和 dp[i] 后，整个序列的最大子段和就是所有 dp[i] 中的最大值，通过遍历 dp 数组不断比较更新来找到这个最大值，存储在变量 result 中并最终返回。

步骤

1. 边界情况处理及初始化（函数开头部分）
   • 首先判断输入的整数序列 nums 是否为空，如果为空（即 nums.size() == 0），按照题目要求直接返回 0，表示空序列的最大子段和为 0。
   • 创建一个与输入序列 nums 长度相同的 dp 向量（vector<int> dp(nums.size());），用于存储以每个元素结尾的最大子段和。然后将 dp[0] 初始化为 nums[0]，因为以第一个元素结尾的最大子段和就是这个元素本身，同时将 result 也初始化为 dp[0]，此时 resul