数组的最大子序和 动态规划

1、动态规划

  给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
思路：首先，给出状态转移方程：
$$dp[i]=max(nums[i]，dp[i-1]+nums[i])$$
dp[i]表示以num[i]结尾的最大子段和。其要么是$num[i]$,要么是$dp[i-1]+nums[i]$。在更新完dp数组后，在遍历一遍，求出dp数组中的最大值。（这是因为我们在第一遍更新是，只记录了以第i个元素结尾的最大子段和，所以还需遍历一遍，求出在这些最大子段和中的最大值）

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        //dp[i]=max(dp[i-1],dp[i-1]+nums[i])       
        vector<int> dp(nums.size()+1,0);
        dp[0]=nums[0];
        for(int i=1;i<nums.size();i++)
        {
            dp[i]=max(nums[i],dp[i-1]+nums[i]);
        }
        int Max=dp[0];
         for(int i=1;i<nums.size();i++)
        {
            Max=max(Max,dp[i]);
        }
        return Max;
    }
};

2、动态规划优化

  第一种方法的空间复杂度为$O(n)$。我们其实可以将时间复杂度降到为1,我们发现每次循环，dp[i]只与dp[i-1]有关，所以只需记录一个predp记录上一次的dp的值。在第一种方法中我们知道要进行第二次for循环，找出dp数组中的最大值，所以再用一个ans记录当前dp中的最大值。

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int dp = nums[0], predp = nums[0];
	    int ans = nums[0];
	     for (int i = 1; i < nums.size(); i++)
	    {
		   dp = max(nums[i], predp + nums[i]);
		   ans = max(ans, dp);
		   predp = dp;
	     }
	return Maxprice;
    }
};