题目大意：
给定一个非空的整数数组nums[]，要求求得它的一个子数组，使得该子数组所有成员的和是所有子数组中最大的。注意：子数组的所有成员在位置上必需是左右相邻的。
示例：
给出整数数组[-2,1,-3,4,-1,2,1,-5,4]，可求得它的子数组[4,-1,2,1]的各位成员和是所有子数组中最大的，为6。
解题思路：
刷了近两个月的题，我发现自己对于动态规划这一难点仍然没有很好地掌握，或者说将这一思想更加灵活地运用到解决实际问题中，因此特地选择了一道dp（dynamic programming）的题目。可惜思考许久仍然不得其法。
本题的题面比较简单，也很有实际意义。思考时，首先想到的是暴力法，即从第一个成员开始，长度从1递增，计算各位成员之和并比较，保留其中的最大值。这种做法的复杂度高达O(N^2)，毫无疑问在大规模用例时会超时。
基于这道题是一道动态规划的题目，我开始把目光往这方面转。动态规划的基本思想是很明了的：将一个大问题剪切成小的子问题，通过对这个小的子问题进行迭代求解得到大问题的解。问题的关键就在于如何对大问题进行切分，并进一步得到迭代的规律。由于本题的目标是求得给定整数数组的子数组，因此我想的是明确子数组的左右边界。可惜的是，由于有左、右边界两个变量纠缠其中，迭代规律很难总结。
在阅读了discuss中的最高票答案后，我才恍然大悟。高票解答中，它将“求解特定子数组”的问题转换成了“求解截止i(0<=i<=nums.size()) (必须包括nums[i])的子数组的最大和”。以示例中的例子进行说明，用数组dp[]表示子问题的解：
dp[0]=-2; //此时只有一个元素
dp[1]=1; //由于-2<1，因此截止位置1的子数组的最大和为1
dp[2]=-2; //首先需要说明的是，该子数组必须包含末位nums[i]=nums[2]=-3，至于为什么这样，后面会再作解释。由于相比dp[i-1]，只增加了一位，因此只要判断前面一位的dp是大于0还是小于0，若大于0，则对于此处的dp是“有益的”，需将它包含进去，否则，只 计nums[i]即可。由于dp[1]=1>0，dp[2]=dp[1]+nums[2]=1+(-3)=-2
dp[3]=4; //由于dp[2]=-2<0，故dp[3]=nums[3]=4
dp[4]=3; //4-1
dp[5]=5; //3+2
dp[6]=6; //5+1
dp[7]=1; //6-5
dp[8]=5; //1+4
迭代公式为：dp[i]=(dp[i-1]>0?dp[i-1]:0)+nums[i];
显而易见，dp数组的最大值就是子数组和的最大值。回过头来也可以理解为什么一定要将nums[i]的值计算进去：因为题目要求子数组中所有成员位置上必须是左右相邻的，如果不将nums[i]的值强行包含进去，则可能出现最优解在后面但搜索不到的情形。
最后实现的代码如下：
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int n=nums.size();
int *p=new int[n],m; //数组p记录截止nums[i](必须包含nums[i])的子数组的最大和,m则是任一子数组的最大和
p[0]=nums[0];
m=nums[0];
for(int i=1;i<n;i++)
{
if(p[i-1]<=0)
p[i]=nums[i];
else
p[i]=p[i-1]+nums[i];
m=max(m,p[i]);
}
return m;
}
};