来源：力扣（LeetCode）

链接：https://leetcode-cn.com/problems/maximum-subarray/

著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

一、题目描述

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。

示例:

• 输入：[-2,1,-3,4,-1,2,1,-5,4]
• 输出：6
• 解释：连续子数组 [4,-1,2,1] 的和最大，为 6。

进阶：

如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。

分治法并不能算是最优解，但是可以锻炼对该算法的掌握情况。本题不考虑此算法。

二、题解

2.1 贪心算法

算法：

1. 遍历数组，使用sum变量计算每一个节点时的最大和，用ans表示当前所有区间的最大子序和。
2. 运行到第i个节点的时候，如果sum > 0，说明对当前节点有增益效果，sum继续加上当前节点。
3. 如果sum <= 0，说明之前的序列对当前节点来说没有增益效果，之前的和可以舍弃。sum从当前节点开始重新计算。
4. 然后比较ans和sum的大小，较大的赋值给sum。

图例：

图片来源于解答：画解算法：53. 最大子序和 ， © 著作权归作者所有 。

以数组[-2, 3, -1, 1, -3]为例，初始化时设置sum为0，ans为第一个元素的值：

访问第一个元素-2，当前sum为0，更新sum为当前节点的值-2，sum和ans对比ans还是-2：

访问第二个元素3，因为sum = -2，如果加上当前节点，会使得连续和变成1（还不如不加，不加是3）。因此重新计算sum，设置sum为当前节点值3，继续往前计算：

访问第三个元素-1，此时sum > 0，对-1有增益效果，sum加上-1等于2，ans不变：

第四个元素：

到第五个元素时，sum = 3，加上-3之后等于0，ans依旧等于3：

然后到此结束，最大连续和是3。

代码：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int ans, sum, i;
        ans = nums.size() > 0 ? nums[0] : 0;

        for (i = 0, sum = 0; i < nums.size(); i++) {
            if (sum <= 0) {
                sum = nums[i];
            } else {
                sum += nums[i];
            }

            ans = max(ans, sum);
        }
        return ans;
    }
};

复杂度分析：

• 时间复杂度：O(n)
• 空间复杂度：O(1)

2.2 动态规划

算法：

其实动态规划的思路和上面的贪心算法差不多，关键的结果是动态规划的状态方程：假设dp[i]是第i个节点时候的最大连续和，那怎么计算它的值呢？

其实还是和上面的贪心算法一样，只要dp[i - 1]加上当前节点的和大于当前节点，那么dp[i]就等于和值。否则dp[i]就应该设置为当前节点值，所以它的状态转移方程是：

dp[0] = nums[0];
dp[i] = max(dp[i - 1] + nums[i], nums[i])

代码：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int i, sum;
        vector<int> dp(nums.size());

        if (nums.size() == 0) {
            return 0;
        }

        dp[0] = nums[0];
        sum = dp[0];

        for (i = 1; i < nums.size(); i++) {
            dp[i] = max(dp[i - 1] + nums[i], nums[i]);
            sum = max(dp[i], sum);
        }

        return sum;
    }
};

复杂度分析：

• 时间复杂度：O(n)
• 空间复杂度：O(n)，整个状态中只用到了dp[i]和dp[i - 1]，优化成O(1)。