求二维数组最大子数组和（或矩阵的最大子矩阵和）

思路：先对所有的连续行进行组合，如包含第一行的子矩阵，如1， 12， 123， 1---m;包含第二行的子矩阵2， 23， 234， 2--m;同理其它

再将这些子矩阵对应的列上的元素相加，此时就可以使用一维上最大子数组求和的动态规划算法了。整体的时间复杂度为O(n^3)空间复杂度为O(n)

int findMaxSumOfMatrix(vector<vector<int> > &vvi){
	int m = vvi.size();

	if(0 == m) return 0;

	int n = vvi[0].size();
	int maxValue = vvi[0][0];

	for(int i = 0; i < m; i++){ //从第0行开始 
		vector<int> vi(n, 0);
		for(int j = i; j < m; j++){ //包含第i行的矩阵 0， 01， 012， 0123， 01...m - 1
			for(int k = 0; k < n; k++){ //包含第k列的矩阵  0， 01， 012， 0123， 01...n - 1
				vi[k] += vvi[j][k]; //vi[k]表示包含i行的矩阵的 各列之和即 v[0]即从vvi[0][0]-v[k][0]之和
			}
			
			/*一维数组中求最大连续子数组之和 动态规划的运用 */
			int curSum = vi[0];
			int allSum = vi[0];	
			for(int k = 1; k < n; k++){ //从vi[k]中选出最大的子矩阵和
				curSum = max(vi[k], curSum + vi[k]);
				allSum = max(allSum, curSum);
				maxValue = max(allSum, maxValue);
			}
		}
	}

	return maxValue;
}