最大子序和
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。
python实现：
class Solution(object):
def maxSubArray(self, nums):
if not nums:
return 0
dp = [nums[0]]
res = dp[0]
for i in range(1, len(nums)):
dp.append(max(dp[i-1] + nums[i], nums[i]))
if dp[-1] > res:
res = dp[-1]
return res
这就是一种用动态规划解决问题的思路。我们把问题分解为多个阶段，每个阶段对应一个决策。我们记录每一个阶段可达的状态集合（去掉重复的），然后通过当前阶段的状态集合，来推导下一个阶段的状态集合，动态地往前推进。这也是动态规划这个名字的由来，你可以自己体会一下，是不是还挺形象的？
大部分动态规划能解决的问题，都可以通过回溯算法来解决，只不过回溯算法解决起来效率比较低，时间复杂度是指数级的。动态规划算法，在执行效率方面，要高很多。尽管执行效率提高了，但是动态规划的空间复杂度也提高了，所以，很多时候，我们会说，动态规划是一种空间换时间的算法思想。
—————— FBI WARNINFG！！！
我理解的几种算法：
贪心：一条路走到黑，就一次机会，只能哪边看着顺眼走哪边！
回溯：一条路走到黑，无数次重来的机会，还怕我走不出来？
动态规划：拥有上帝视角，手握无数平行宇宙的历史存档， 同时发展出无数个未来 (Versioned Archive View)
———————————————————————————
分享一个动态规划的url：https://baijiahao.baidu.com/s?id=1631319141857419948&wfr=spider&for=pc