最大子序和（动态规划）

题目：给定一个整数数组 nums ，找到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。

思路

通常我们遍历子串或者子序列有三种遍历方式

• 以某个节点为开头的所有子序列: 如 [a]，[a, b]，[ a, b, c] … 再从以 b 为开头的子序列开始遍历 [b] [b, c]。
• 根据子序列的长度为标杆，如先遍历出子序列长度为 1 的子序列，在遍历出长度为 2 的 等等。
• 以子序列的结束节点为基准，先遍历出以某个节点为结束的所有子序列，因为每个节点都可能会是子序列的结束节点，因此要遍历下整个序列，如: 以 b 为结束点的所有子序列: [a , b] [b] 以 c 为结束点的所有子序列: [a, b, c] [b, c] [ c ]。

因为第三种遍历方式可以产生递推关系, 采用动态规划时, 经常通过此种遍历方式, 如：背包问题、 最大公共子串。
通常我们遍历子串或者子序列有三种遍历方式

这部分转自：
作者：lao-hu-8
链接：https://leetcode-cn.com/problems/maximum-subarray/solution/xiang-xi-jie-du-dong-tai-gui-hua-de-shi-xian-yi-li/

使用动态规划方法时，首先规定dp[i]代表什么

这题里面，我们的dp[i]代表以第i个数字结尾的连续序列中最大的子序和

分析情况：

1. 当dp[i-1]为负数时，$dp[i]=nums[i]$，因为前面的最大子序和小于0，对当前的dp[i]有负增益效果，那么就不能再取前面了。
2. 当dp[i-1]大于等于0时，$dp[i]=dp[i-1]+nums[i]$
   
   

初始化：
$dp[0]=nums[0]$

状态转移方程：

代码

int maxSubArray(vector<int>& nums) {
        int len=(int)nums.size();
        int dp[len],ans;
		
		//初始化
        dp[0]=nums[0];
        ans=dp[0];	//最大的子串和默认为dp[0]，即nums[0]

		//遍历
        for(int i=1;i<len;i++){
            if(dp[i]>=0)
                dp[i]=dp[i-1]+nums[i];
            else
                dp[i]=nums[i];
            
            //跟新ans等于最大的子串和
            ans=max(ans,dp[i]);
        }

        return ans;
    }

​

优化

每次状态的更新只依赖于前一个状态，就是说 dp[i] 的更新只取决于 dp[i-1] , 我们只用一个存储空间dp保存上一次的状态即可。

int maxSubArray(vector<int>& nums) {
        int len=(int)nums.size();
        int dp,ans;

        dp=nums[0];
        ans=dp[0];
        for(int i=1;i<len;i++){
            if(dp>=0)
                dp=dp+nums[i];
            else
                dp=nums[i];
            
            ans=max(ans,dp);
        }

        return ans;
    }