LeetCode连续子数组的最大和 动态规划

输入一个整型数组，数组里有正数也有负数。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)。
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。
（1 <= arr.length <= 10^5，-100 <= arr[i] <= 100）

思路1：记录前缀和思想求一段连续的子数组的最大值，即任意区间【i,j】和的最大值，可以先记录前缀和。用sum[i]表示前i个元素的和，这样任意区间【i,j】的和可以表示为sum[j]-sum[i]+nums[i];（此思路会超时，时间复杂度高）

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int n=nums.size();
        vector<int>sum(n+1,0);
        sum[0]=nums[0];
        for(int i=1;i<n;i++){
            sum[i]=sum[i-1]+nums[i];
        }
        int res=sum[0]; //注意res的初始化不能是0
        for(int i=0;i<n;i++){
            for(int j=i;j<n;j++){
                res=max(res,sum[j]-sum[i]+nums[i]);
            }
        }
        return res;
    }
};

思路2：动态规划思想
考虑所有问题的解，连续子数组必定以某一个下标 i 结尾。定义dp[i]:以下标 i 结尾的连续数组的最大值。以下标 i 结尾必有数字nums[i]，考虑是否有前i-1下标内的元素，当dp[i-1]<0时，dp[i]=nums[i]时最大，dp[i-1]>0时，dp[i]=nums[i]+dp[i-1]最大。
因此dp[i]=max(nums[i],nums[i]+dp[i-1])

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int n=nums.size();
        vector<int>dp(n+1,0);
        int res=nums[0]; //注意res的初始化
        for(int i=0;i<n;i++) dp[i]=nums[i];
        for(int i=1;i<n;i++){
            dp[i]=max(nums[i]+dp[i-1],nums[i]);
            res=max(res,dp[i]);
        }
        return res;
    }
};