最大子数组和——贪心和动态规划

---

问题

给你一个整数数组 nums ，请你找出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。

子数组 是数组中的一个连续部分。

---

一、解决思路

这道题有两种解法：贪心 or 动态规划
（1）贪心
贪心要明白贪的是什么，对于这道题而言，假若连续和是一个负数，那么加上下一个数时，要么就是变大了，要么就是变小了，假若是变大了，那么加上这个数一定是一个正数，不如直接令这个数为当前最大和来得大，这就是要贪的地方，对于代码的实现就是，出现负数时，令这个负数等于0，因为负数只会降低和的大小，因此贪的是遇到负数和及舍弃。
（2）动态规划
动态规划解法需要理解状态转移方程：
当前状态和取决于上一状态，和当前的值，那么只需要取（上一状态+当前值）和（当前值）的较大值作为当前状态值即可，如果当前值大于上一状态+当前值的话，意味着上一状态的值可以被舍弃，因为它是负数。不难写出状态转移方程
df[i] = max(df[i-1]+nums[i], nums[i])
然后遍历时取最大即可。

二、使用步骤

1.贪心

代码如下（示例）：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int count = 0;
        int result = INT_MIN;
        for (int i=0; i<nums.size(); i++){
            count += nums[i];
            if (count>result){
                result = count;
            }
            if (count<0){
                count = 0;
            }
        }
        return result;
    }
};

2.动态规划

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

---

总结

对于贪心问题需要认清贪的是什么，对于动态规划，需要写出状态的转移方程，理解状态之间的关系就不难写出转态转移方程，那什么时候用动态规划呢？一般就是需要遍历数组或者其它类似数组的数据类型的所有状态时，然后状态之间的转换存在关系时，就可以考虑动态规划了。