AcWing 55 连续子数组的最大和

题目描述：

输入一个 非空 整型数组，数组里的数可能为正，也可能为负。

数组中一个或连续的多个整数组成一个子数组。

求所有子数组的和的最大值。

要求时间复杂度为O(n)。

样例

输入：[1, -2, 3, 10, -4, 7, 2, -5]

输出：18

分析：

本题作为动态规划的经典题，在紫书上高效算法设计第一节便给出了各种复杂度的解法。

暴力法：枚举部分和起点，终点以及求部分和，需要立方级复杂度。

部分和：直接用前缀和来求部分和，省去了求部分和的遍历，复杂度平方级。

分治法：在前缀和基础上进行分治，可实现nlogn复杂度的算法。

动态规划：定义dp[i]为以第i个数为末尾的最大部分和，省去了对起点的枚举，实现线性的时间复杂度。

尽管较早就接触到这道题，但是在前年的研究生入学考试中，THU的专业课DS中第二道算法题就出现了这道题，比较悲催的是当时虽然做过此题，考场上却脑子短路，这题空着了，白白损失了十几分。正因为如此，至今对这题记忆犹新。

 现在再做一遍这题，不用刻意去想怎么dp。我们知道，对于1 2 -4 2这样的序列，前缀和到了-4这便成了负数，再加上前缀的这么多数得不偿失，而对于1 2 -1 2这样的序列，即使遍历到了-1，但是总和还是正数，加上前缀更有益。

所以我们定义s为以当前遍历数为最后一个数的部分和的最大值。在遍历到下一个数前，若s为正，则不变，否则对s清零即可。

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int n = nums.size();
        int s = max(0,nums[0]);
        int m = nums[0];
        for(int i = 1;i < n;i++){
            s += nums[i];
            m = max(m,s);
            s = (s > 0 ? s : 0);
        }
        return m;
    }
};