动态规划——最大m子段和

求最大字段和的方法很简单，对于给定范围的字段，累加就行了，比如给出了例题的 a1~a6，那么直接累加计算，max（a1，a6 ）=max（a1，a5）+a6，以此类推，如果用动态规划的思想，那么我们在每一次扩大相加的子段范围的时候都应该保存其累加值，比如b[2]=9,b[3]=5,5<9，因此max=9不更新,如果有比max大的比如b[4]=18,max=18。

　借用其他人的总结

　　给定n个数求这n个数划分成互不相交的m段的最大m子段和。
　　经典的动态规划优化的问题。设f(i, j)表示前i个数划分成j段，且包括第i个数的最大m子段和，那么有dp方程：
　　　　f(i, j) = max { f(i - 1, j) + v[i], max {f(k, j - 1) + v[i]}(k = j - 1 ... i - 1) }
　　也就是说第i个数要么自己划到第j段，要么和前一个数一起划到第j段里面，转移是O(n)的，总复杂度O(n * n * m)。
　　可以引入一个辅助数组来优化转移。设g(i, j)表示前i个数划分成j段的最大子段和（注意第i个数未必在j段里面），那么递推关系如下：
　　　　g(i, j) = max{g(i - 1, j), f(i, j)}，分是否加入第i个数来转移
　　这样f的递推关系就变成：
　　　　f(i, j) = max{f(i - 1, j), g(i - 1, j - 1)} + v[i]，转移变成了O(1)
　　这样最后的结果就是g[n][m]，通过引入辅助数组巧妙的优化了转移。实现的时候可以用一维数组，速度很快。