0508_ K 次串联后最大子数组之和

刷了也有一些Leetcode题了，发现动态规划类得题目，大多数都属于中等难度。然而关于动态规划思路之前也一直没琢磨透，今天就来尝试一道动态规划题。

一、先介绍题目背景

给你一个整数数组 arr 和一个整数 k。
首先，我们要对该数组进行修改，即把原数组 arr 重复 k 次。
举个例子，如果 arr = [1, 2] 且 k = 3，那么修改后的数组就是 [1, 2, 1, 2, 1, 2]。
然后，请你返回修改后的数组中的最大的子数组之和。
注意，子数组长度可以是 0，在这种情况下它的总和也是 0。
由于 结果可能会很大，所以需要 模（mod） 10^9 + 7 后再返回。

二、介绍下思路解法

刷多了Leetcode算法题得同学，应该也能一眼看出这种求最大子数组，最大连续元素就是属于很典型得动态规划题目，可以考虑使用动态规划得思路来解题。
那么现在就来详细讲讲动态规划得一个解题思路，其实网上很多内容说的都挺复杂得，对于动态规划大家其实只需要记得，时刻将极值（最大，或者最小值）给保存下来，用一个dp_list存储。例如：【1，3，-1，-2，5】，求最大子数组，那么对应得dp_list为【1+3,1+3-1, 1+3-2, 1+3-1-2+5】，因为这里设置了只要和大于0，则将结果存入dp_list。下面大家可以看看这Leetcode得代码，也可以更加深入得了解动态规划得含义

三、代码过程

def kConcatenationMaxSum(arr, k) -> int:
	"""
	如果dp_list的前一个元素 + arr的这个元素大于0，因为只要大于0，那么加上arr后面的元素，就有可能更大；如果小于0，那么再加后面的元素，只会更小，则用0代替，从新开始求和。
	"""
    arr = arr * k
    # dp_list存储求和结果
    dp_list = [0] * (len(arr)+1)
    for i in range(len(arr)):
        if dp_list[i-1] + arr[i] >= 0:
            dp_list[i] = dp_list[i-1] + arr[i]
        else:
            dp_list[i] = 0
    return max(dp_list)