LeetCode:53.最大子数组和

解题思路;

减而治之或者分而治之都好像不行。。（结果看了题解发现人家第二个题解就是分而治之。。。好打脸）

突然想到最长上升子序列，可以定义一个长度为n的数组，每一个用于记录以该下标为起点的序列，遍历到最后，记录下最大的序列和，最后遍历数组，找到最大的进行输出。

时间复杂度大概是，目前就这一种想法。。。。。

---

人傻了哟，超时了，看了一下测试超时的测试用例，密密麻麻的一片数字，无语住了。。。

但是试了一下，思路细节都是OK的，还是挺高兴的。咋这应该不算枚举吧，嘶，虽然好像确实是把所有情况都测过了，不管先把代码放这，咋去看题解！

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int n = nums.size();
        int result = -100;
        vector<int> ans(n);
        for (int i = 0; i < n; ++i) {
            int max = -100, p = 0;
            for (int j = i; j < n; ++j) {
                p += nums[j];
                if (p>max) max = p;
            }
            ans[i] = max;
        }
        for (int i = 0; i < n; ++i) {
            if (ans[i] > result) result = ans[i];
        }
        return result;   
    }
};

---

看了一下题解，果然是动态规划，我的想法是对的，但相比于题解，我的循环次数重复了，没有利用好前面已经进行过的计算，就有些类似于KMP模式匹配算法和BF算法的区别。

对于题解的动态规划，他使用的是用f(i)来表示以i结尾的最大子数组和，然后从第一个开始向后计算，于是就有动态规划转移方程：（这里是截图）

 很明显，f(i)的值应该为f(i-1)+nums[i]和nums[i],之间的较大者，这里解释一下，理解的关键在于f(i)的意思是以i结尾的最大子数组和，所以f(i-1)+nums[i]反而变小了，则最大子数组和就是他本身，应该来说，理解了f(i)的意思，应该好懂的这个动态规划转移方程。

而且跟好的是按这样来计算，其实开一个int就可以，后面直接滚动数组来存储和计算就可以，空间复杂度也小。

我试着想了一下能不能改进一下我的代码，发现确实不好，所以嘛，咋打不过就加入，嘿嘿嘿【doge】

---

下面是代码：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int n = nums.size();
        int pre = 0, maxn = nums[0];
        for (int i = 0; i < n; ++i) {
            pre = max(pre+nums[i], nums[i]);
            maxn = max(pre, maxn); //在遍历的同时存储最大的f(i)
        }
        return maxn;   
    }
};