【LeetCode53】最大子序和（简单dp）-CSDN博客

这篇博客介绍了如何使用动态规划求解数组中最大连续子序列和的问题，详细阐述了状态定义、状态转移方程、初始条件及计算顺序，并提供了具体的代码实现。此外，还列举了LeetCode上的类似背包问题，如0-1背包和完全背包问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.题目

在这里插入图片描述

2.思路

（1）确定状态
状态为 $d p [i]$ ，表示以 $n u m s [i]$ 为末尾的连续序列的最大和， $n u m s [i]$ 必须作为连续序列的末尾。

（2）状态转移方程
1）这个最大和的连续序列只有一个元素时，即以nums【i】开始，以nums【i】结尾，即最大和为nums【i】。
2）若有多个元素，即从前面某处nums【p】开始（p小于i），一直到nums【i】结尾，即最大和为 $d p [i - 1] + n u m s [i]$ 。
所以转移方程为 $dp[i]=max\{ nums[i]+dp[i-1],nums[i] \}$

（3）初始条件+边界情况
边界为 $d p [0] = A [0]$

（4）计算顺序
因为计算dp【i】需要用到dp[i-1]的内容，所以遍历顺序为i从小到大枚举。

3.代码

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int n=nums.size();
        int dp[n];
        //边界
        dp[0]=nums[0];
        
        for(int i=1;i<nums.size();i++){
            dp[i]=max(dp[i-1]+nums[i],nums[i]);
        }
        //dp[i]存放以A[i]为结尾的连续序列的最大和，需要遍历i得到最大的才是结果
        int k=0;
        for(int i=1;i<n;i++){
            if(dp[i]>dp[k]){
                k=i;
            }
        }
        return dp[k];
    }
};