动态规划VS贪心算法：解密连续子数组最大和问题

题目

解法一：动态规划 

思路：

1. 定义一个长度与原数组相同的数组 dp，用于存储以每个元素为结尾的连续子数组的最大和。

2. 初始化 dp[0] 为原数组的第一个元素，同时将 max 设为 dp[0]。

3. 从数组的第二个元素开始遍历，对于每个元素，计算以该元素为结尾的连续子数组的最大和，即 dp[i] = Math.max(dp[i-1] + array[i],array[i])。

4. 在计算 dp[i] 的同时，更新 max 的值，即 max = Math.max(max,dp[i])。

5. 遍历完成后，返回 max 的值，即为原数组中连续子数组的最大和。

 public static int FindGreatestSumOfSubArray(int[] array) {
     int[] dp = new int[array.length];
     dp[0] = array[0];
     int max = dp[0];
     for(int i = 1;i < dp.length;i++){
         dp[i] = Math.max(dp[i-1] + array[i],array[i]);
         max = Math.max(max,dp[i]);
     }
     return max;
 }

时间复杂度：O(n) 一层for循环

空间复杂度：O(n) 开辟了跟array数组长度一样的dp数组 

解法二：贪心算法

思路：

1. 首先，定义了一个变量sum和max，分别表示当前连续子数组的和和最大子数组的和。还定义了一个变量temp，用来记录数组中的最大值。
2. 然后，通过for循环遍历整个数组。在遍历过程中，先更新temp的值，找到数组中的最大值。然后，判断当前的sum加上当前元素是否大于等于0，如果是，则将当前元素加入sum中，并更新max的值。如果不是，则将sum重置为0，重新开始计算连续子数组的和。
3. 最后，返回temp和max中的较大值。如果temp大于0，则说明数组中所有元素都是正数，此时max即为最大子数组的和；如果temp小于等于0，则说明数组中至少有一个负数，此时max可能为0，因此需要返回temp。

 public int FindGreatestSumOfSubArray(int[] array) {
     int sum = 0,max = 0;
     int temp = Integer.MIN_VALUE;
     for(int i = 0;i < array.length;i++){
         temp = Math.max(temp,array[i]);
         if(sum + array[i] >= 0){
             sum += array[i];
             max = Math.max(max,sum);
          }else {
              sum = 0;
         }
     }
        return temp > 0 ? max : temp;
 }

时间复杂度：O(n) 一层for循环

空间复杂度：O(1)