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)

解题思路1：

算法时间复杂度O（n） 遍历，遇到负和抛弃之前的结果，重新积累，期间保留最大值

python代码：

class Solution:
    def FindGreatestSumOfSubArray(self, array):
        # write code here
        if array == []:
            return 0
        cursum = array[0]
        maxsum = array[0]
        for i in range(1,len(array)):
            if cursum <= 0:
                       cursum = array[i]
            else:
                       cursum += array[i]
            if cursum > maxsum:
                       maxsum = cursum
        return maxsum

解题思路2：

动态规划。复杂度为O(n)。思想是已知a[0:i]的最优解，如何求取a[0:i+1]的最优解。 动态规划本质是将一个个子任务的结果存起来，供下一个子任务使用。空间换取时间。有点像数学归纳法，已经证明了前i-1步是正确的，然后根据第i-1步和第i步的关联关系，证明第i步也是正确的。

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]）

res：所有子数组的和的最大值

res=max（res，F（i））

如数组[6, -3, -2, 7, -15, 1, 2, 2]  
初始状态：  
  F（0）=6  
  res=6  
i=1：  
  F（1）=max（F（0）-3，-3）=max（6-3，3）=3  
  res=max（F（1），res）=max（3，6）=6  
i=2：  
  F（2）=max（F（1）-2，-2）=max（3-2，-2）=1  
  res=max（F（2），res）=max（1，6）=6  
i=3：  
  F（3）=max（F（2）+7，7）=max（1+7，7）=8  
  res=max（F（2），res）=max（8，6）=8  
i=4：  
  F（4）=max（F（3）-15，-15）=max（8-15，-15）=-7  
  res=max（F（4），res）=max（-7，8）=8  
以此类推  
最终res的值为8

python代码：

class Solution:
    def FindGreatestSumOfSubArray(self, array):
        # write code here
        maxending = array[0]
        maxsum = array[0]
        for i in range(1,len(array)):
            maxending = max(maxending+array[i],array[i])
            maxsum = max(maxending,maxsum)
        return maxsum