剑指offer：连续子数组的最大和

题目描述

HZ偶尔会拿些专业问题来忽悠那些非计算机专业的同学。今天测试组开完会后,他又发话了:在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边的正数会弥补它呢？例如:{6,-3,-2,7,-15,1,2,2},连续子向量的最大和为8(从第0个开始,到第3个为止)。给一个数组，返回它的最大连续子序列的和，你会不会被他忽悠住？(子向量的长度至少是1)

思路

动态规划
F（i）：以array[i]为末尾元素的子数组的和的最大值，子数组的元素的相对位置不变
F（i）=max（F（i-1）+array[i] ， array[i]）
那么array[i]之前元素的的子数组和的最大值，一定等于maxsum = max(F(i),maxsum)

代码

# -*- coding:utf-8 -*-
class Solution:
    def FindGreatestSumOfSubArray(self, array):
        # write code here
        n = len(array)
        array = [i for i in array]
        maxsum = None
        for i in range(1,n):
            array[i] = max(array[i-1]+array[i],array[i])
            maxsum = max(array[i],maxsum)  
# array[i]更新成以array[i]为末尾元素的最大子数组和，
# 但是array[i]之前的元素的最大子数组和可能不以array[i]为末尾元素。
# 因此，设置一个maxsum用来记录array[i]之前元素的最大子数组和，并不断更新
        return maxsum