最大子序列和（动态规划）
最近温习和提升一下算法，发现了一个很经典的问题 - 最大子序列和，看到这篇博客，发现讲的很容易理解，给大家分享一下。
转自：https://blog.csdn.net/memory_cood/article/details/88414601
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。
根据题意，我们必须明确，答案是一个 连续的最大和子数组，它和最大上升子序列是不同的。
一般来说过，只要一旦判断题目是有关动态规划的题，第一步就是要找到他的最优子结构，至于怎么找到最优子结构，只能刷题了，多刷点题目。
用数组d[i] 来保存 当前最大的连续子数组，算法的思想大体是这样的，循环遍历每个数，然后每次检验d[i-1] 是否大于零，只要大于零就 d[i] = d[i-1]+nums[i] ,如果d[i-1]<0 ,那么直接d[i]=nums[i]
算法核心： d[i] = d[i-1]>=0 ? d[i-1]+nums[i] : nums[i]
我在这里下标按 1...n 比较好描述
按照上面算法核心走一遍
[-2] d[1] = -2; 这步是直接初始化，在只有一个数的时候，他就是最大连续的最大和子数组
[-2,1] d[2] = 1; d[1] =-2 <0 所以前面的最大连续和是负数，加上它们肯定会变小，所以直接不要它
[-2,1,-3] d[3] = d[2]+nums[3] =-2; d[2] =1>=0 所以在i之前的最大连续是正数，肯定要加上它
[-2,1,-3,4] d[4] = 4; d[3] < 0
[-2,1,-3,4,-1] d[5] = d[4] +nums[5] = 3 ; d[4]>0
[-2,1,-3,4,-1,2] d[6] = d[5]+nums[6] =5; d[5]>0
[-2,1,-3,4,-1,2,1] d[7] = d[6]+nums[7] =6; d[6]>0
[-2,1,-3,4,-1,2,1,-5] d[8] = d[7]+nums[8] =1;d[7]>0
[-2,1,-3,4,-1,2,1,-5,4] d[9] = d[8]+nums[9] =5; d[8]>0
在这里我们只需要遍历d[i]数组中最大数数即可，或者每一遍历的使用m来记录d[i] 的最大值，具体算法过程如下
#include
#include
using namespace std;
int main()
{
//d 用来保存最大连续子数组的值
//m 记录d数组中的最大值
int n,nums[100],d[100],m;
while(cin>>n)
{
for(int i=1;i>nums[0];
}
m=d[0] = nums[0]; // 初始化第一个 d[0]
for(int i=1;i 上面代码是我直接手敲的，没过编译器，但思想不会错了， 这个时间复杂度为 O(n)