動的計画法の一例として、異なる時間の複雑さを理解するために、

パブリック クラスメイン{
     公共の 静的な 無効メイン（文字列[] args）を{
     // ここにコードを記述する
        int型 N = 10000 ;
        INT [] A = 新た INT [N]。
        以下のために（int型 i = 0; iがNを<; iは++ ）{ 
            [I] =（INT）（Math.random（）* N + 1 ）。
        } 
        長いのstartTime = System.nanoTimeの（）。
        INT RES = MaxSubsequenceSum_4（A、N）。
        長い endTimeは= System.nanoTimeの（）。
        System.out.println（RES）。
        System.out.println（ {） "程序运行时间： "+（endTimeは-のstartTime）+" NS" ）; 

    } 

    // アルゴリズム1 O（N ^ 3）
    公共の 静的 INT MaxSubsequenceSum_1（最終 INT A []、int型のN）{
         int型 ThisSum、MaxSum = 0 。
        以下のために（int型 i = 0; iがNを<; iは++ ）{
             ための（int型 J = I; J <N; J ++ ）{ 
                ThisSum = 0 。
                以下のための（int型のk = I; K <= J; kは++ 
                    ThisSum + = A [K]。
                } 
                の場合（ThisSum> ）{ = ThisSum。
                } 
            } 
        } 
        に戻ります。
    } 
//     Algorithm2 O（N ^ 2）
    パブリック 静的 最終int型 MaxSubsequenceSum_2（INT []、int型のn）{
         int型 ThisSum = 0 。
        以下のために（int型 i = 0; iが++; iがNを< ）{
             ため（INT J =; J <N; J ++ ）{
                ThisSum = A [J]。
                もし（ThisSum> ）{ = ThisSum。
                } 
            } 
        } 
        に戻ります。
    } 
// Algorithm4 O（N）
    パブリック 静的 最終int型 MaxSubsequenceSum_4（INT []、int型のn）{
         int型 ThisSum = 0、= 0 ;
        用（INT J = 0であり、j <N; iが++ ）{ 
            ThisSum + = [J]。
            もし（ThisSum> ）{ = ThisSum。
            } 
            そうで あれば（ThisSum <0 ）{ 
                ThisSum = 0 。
            } 
        } 
        を返します。
    } 
}