53. Maximum Subarray（python+cpp）

题目：

Given an integer array nums, find the contiguous subarray (containing at least one number) which has the largest sum and return its sum.
Example:

Input: [-2,1,-3,4,-1,2,1,-5,4], 
Output: 6 
Explanation: [4,-1,2,1] has the largest sum = 6. 

Follow up:
If you have figured out the O(n) solution, try coding another solution using the divide and conquer approach, which is more subtle.

解释：
subarray（是连续的）最大的和，经典的动态规划问题。
动态规划问题
试想一下，如果我们从头遍历这个数组。对于数组中的其中一个元素，它只有两个选择：
1.要么加入之前的数组加和之中（跟别人一组）
2. 要么自己单立一个数组（自己单开一组）
所以对于这个元素应该如何选择，就看他能对哪个组的贡献大。如果跟别人一组，能让总加和变大，还是跟别人一组好了；
如果自己起个头一组，自己的值比之前加和的值还要大，那么还是自己单开一组好了。
dp[i]表示以第i个元素结尾的最大的subarry的和，最终返回max(dp)即可，注意不是返回dp[n-1]，因为最大的subarray不一定以最后一个元素为结尾。
python代码：

class Solution(object):
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        n=len(nums)
        dp=[0]*n
        dp[0]=nums[0]
        for i in range(1,n):
            dp[i]=max(nums[i],dp[i-1]+nums[i])
        return max(dp)

c++代码：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int n=nums.size();
        vector<int>dp(n,0);
        dp[0]=nums[0];
        for (int i=1;i<n;i++)
        {
            dp[i]=max(nums[i],nums[i]+dp[i-1]);       
        }
        return *max_element(dp.begin(),dp.end());
    }
};

总结：
感觉这道题是动态规划里面最简单的题目了，而且我最开始的写法居然有点复杂。注意dp数组要从1开始更新。动态规划最重要的就是初始化和转移方程了。
一定要明白dp数组所代表的含义。