剑指offer实践 ——42.连续子数组的最大和（python版)

---

题目

连续子数组的最大和

---

一、思路 规律

要求时间复杂度在O（n），如果采用暴力方式，需要枚举所有可能出现的子数组，从而找到每一个子数组的和，来找到最大值。长度为n的数组有n*(n+1)/2 个子数组，这样我们需要花费O(n2)的时间复杂度。
思考一下连续子数组最大和的问题。
[1,-2,3, 10,-4, 7, 2, -5]

初始化一个和s=0；初始化最大的子数组和max_sum为数组的第一个元素。
假设我们从第一个元素开始累加。此时s=1，和当前这个元素1比较，s不小于1，证明累加当前元素不会小于当前这个元素1。因此比较当前s和max_sum，如果大于max_sum则更新。

累加第二个元素-2。此时s=-1，和当前这个元素-2比较，s不小于-2，证明累加第二个元素不会小于当前这个元素-2。因此比较当前s和max_sum，此时s>max_sum，不更新。

累加第三个元素3。此时s=-2，和档期啊你这个元素3比较，s小于3，证明累加第三个元素会使当前的和小于当前元素3。此时不如只累加当前这个元素3，因此更新s为当前元素，比较s和max_sum，此时s>max_sum，更新。

发现在这个连续子数组的累加中是有规律的。如果累加到当前元素，和比当前元素更小，那证明只累加当前元素和更大，需要抛弃之前的累加。

贴一下原书中的计算过程：

def max_sub_sum_1(arr):
        max_v = nums[0]
        sub_sum = 0
        for num in nums:
            sub_sum += num
            if sub_sum < num:
                sub_sum = num 
            if sub_sum > max_v:
                max_v = sub_sum
        return max_v

二、思路 动态规划

def maxSubArray(nums):
        max_r = nums[0]
        pre = 0
        for num in nums:
            pre = max(pre+num, num)
            max_r = max(pre, max_r)
        return max_r