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)

1. 小白思路：
   通过两个循环遍历寻找最大连续子序列和，时间复杂度为O(n2)

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
class Solution:
    def FindGreatestSumOfSubArray(self, array):
        # write code here
        lens = len(array)
        if lens == 1:
            return array[0]
        max_num = array[0]
        for i in range(lens):
            temp = array[i]
            if temp > max_num:
                max_num=temp
            for j in range(i+1,lens):
                temp += array[j]
                if temp > max_num:
                    max_num = temp
        return max_num

if __name__ == "__main__":
    s = Solution()
    print(s.FindGreatestSumOfSubArray([-2,-8,-1,-5,-9]))

2. 使用动态规划，时间复杂度为 O(n),空间复杂度为O(1)
   dp[n]代表以当前元素为截止点的连续子序列的最大和，
   如果dp[n-1]>0，dp[n]=dp[n]+dp[n-1]，因为当前数字加上一个正数一定会变大；
   如果dp[n-1]<0，dp[n]不变，因为当前数字加上一个负数一定会变小。使用一个变量max记录最大的dp值返回即可。

#if i != 0 and dp[i-1] > 0
dp[i] = dp[i-1] + p[i]
#if i == 0 or dp[i-1] < 0
dp[i] = p[i]

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
class Solution:
    def FindGreatestSumOfSubArray(self, array):
        # write code here
        lens = len(array)
        if lens == 1:
            return array[0]
        max_num = array[0]
        for i in range(1,lens):
            if array[i-1] > 0:
                array[i] = array[i-1] + array[i]
            max_num = max(array[i],max_num)
        return max_num

if __name__ == "__main__":
    s = Solution()
    print(s.FindGreatestSumOfSubArray([2,8,-1,-5,9]))