动态规划解决连续子数组的最大和问题

求连续子数组的最大和

题目：

输入一个整型数组，数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度为O(n)。
解题思路:
这是一道用动态规划处理的典型问题。主要突破点就是找出dp状态转移方程。
要得到dp[i]，就要知道上一个状态dp[i-1]；
如果dp[i-1]小于等于0，则对于dp[i]为负贡献，这个状态下，dp[i]就等于当前的数nums[i];
如果dp[i-1]大于0，则对于dp[i]有正贡献，这个状态下，dp[i]就可以选择加入当前数，也可以选择不加，取两者的最大值；
状态方程可以总结为：
dp[i-1]<=0,dp[i]=nums[i];
dp[i-1]>0, dp[i]=max(dp[i-1],dp[i-1]+nums[i]);
代码段如下所示：

class Solution 
{
public:    
int maxSubArray(vector<int>& nums) {        
	if(nums.size()==0) return 0;        
	int NSum=0,maxSum=0x80000000;//最小值        
	for(int i=0;i<nums.size();i++)        
	{            
		if(NSum<0)
			NSum=nums[i];            
		else            
			NSum+=nums[i];            
		if(NSum>maxSum)           	
			maxSum=NSum;        
	}        
	return maxSum;   
 }
 };