HZ偶尔会拿些专业问题来忽悠那些非计算机专业的同学。今天测试组开完会后,他又发话了:在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边的正数会弥补它呢？例如:{6,-3,-2,7,-15,1,2,2},连续子向量的最大和为8(从第0个开始,到第3个为止)。给一个数组，返回它的最大连续子序列的和，你会不会被他忽悠住？(子向量的长度至少是1)
假设数组长度为n 如果n=1，那么最大子序列的和为f(1)=array[0] 如果n=2，那么最大子序列的和为f(2)=max(array[1],f(1)+array[1]) 如果n=3，那么最大子序列的和为f(3)=max(array[2],f(2)+array[2]) 所以很容易使用动态规划的思路： F(i):以array[i]结尾的子数组中和最大的数组对应的和的值 F(i)=max(F(i-1)+array(i),array(i)) res：所有子数组的和的最大值 res=max（res，F（i））
如数组[1,-2,3,10,-4,7,2,-5]： 初始时： F(0)=1 res=F(0)=1
i=1: F(1)=max(-2,F(0)-2)=-1 res=max(res,-1)=1
i=2: F(2)=max(3,F(1)+3)=3 res=max(res,3)=3
i=3: F(3)=max(10,F(2)+10)=13 res=max(res,13)=13
...以此类推直到最后