Believing Process 剑指 Offer 42. 连续子数组的最大和

题干：

输入一个整型数组，数组中的一个或连续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)。

示例：

输入: nums = [-2,1,-3,4,-1,2,1,-5,4]
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。

public int maxSubArray(int[] nums) {
        if(nums.length==0) return 0;
        int[] dp = new int[nums.length];
        dp[0] = nums[0];
        for(int i=1;i<nums.length;i++){
            if(dp[i-1]>0) dp[i] = dp[i-1]+nums[i];
            else dp[i] = nums[i];
        }
        int max = Integer.MIN_VALUE;
        for (int i : dp) {
            if(i>max) max = i;
        }
        return max;
    }

         这道题暴力破解的思路是遍历每个数（例如i），如果它的后续存在一个数（j）且i+j<j，那么我们就可以抛弃i。若i+j>=j，那么我们就继续遍历，同时记录过程中出现的最大值。

        暴力破解的时间复杂度为O(N2)，而采用动态规划的思路可以降到O(N)。

        

				行最大值
sum(0,0)				dp[0]
sum(0,1)	sum(1,1)			dp[1]
sum(0,2)	sum(1,2)	sum(2,2)		dp[2]
sum(0,3)	sum(1,3)	sum(2,3)	sum(3,3)	dp[3]
...	...	...	...	...

        

        sum(i,j)代表计算从nums[i]到nums[j]的元素之和，每行最大的sum(i,j) 记为dp[j]。

        状态定义：dp[j] 代表以nums[j]作为结尾的最大连续子序列之和。

        转移方程：如果dp[j-1]为负，则说明dp[j-1]对dp[j]产生副作用，即dp[j-1]+nums[j]还不如nums[j]大。

        初始状态：dp[0] = nums[0]。

        有了状态转移数组dp之后，只需要从中找出最大值，即可。