LeetCode53：最大子数组和

题目描述
给你一个整数数组 nums ，请你找出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。

子数组是数组中的一个连续部分。

解题思想
如果 -2 1 在一起，计算起点的时候，一定是从 1 开始计算，因为负数只会拉低总和，这就是贪心贪的地方！

局部最优：当前“连续和”为负数的时候立刻放弃，从下一个元素重新计算“连续和”，因为负数加上下一个元素 “连续和”只会越来越小。

全局最优：选取最大“连续和”

局部最优的情况下，并记录最大的“连续和”，可以推出全局最优。

从代码角度上来讲：遍历 nums，从头开始用 count 累积，如果 count 一旦加上 nums[i]变为负数，那么就应该从 nums[i+1]开始从 0 累积 count 了，因为已经变为负数的 count，只会拖累总和。

这相当于是暴力解法中的不断调整最大子序和区间的起始位置。

代码

class Solution {
public:
    int maxSubArray(vector<int>& nums) {

        int result = 0,bestResult = INT_MIN;
        for (int i = 0; i < nums.size(); i++) {
            result += nums[i];
            if (result > bestResult) bestResult = result;
            //如果目前得到的数组之和<0，下次就将下一个数作为起点
            if (result < 0) result=0;
        }
        return bestResult;
    }
};

动态规划

/*
    dp[i]：以i为尾的最大连续子序列和

    dp[i] = max(dp[i-1]+nums[i],nums[i])

    初始化:dp[0] = nums[0]


*/
class Solution {
public:

    int maxSubArray(vector<int>& nums) {

        vector<int> dp(nums.size(), 0);
        dp[0] = nums[0];
        int result = 0;
        for (int i = 1; i < nums.size(); i++) {
            dp[i] = max(dp[i - 1] + nums[i], nums[i]);
        }

        return *max_element(dp.begin(), dp.end());
    }
};