求连续子数组的最大和（从第二个点开始记录每个值加上前面的值是正影响还是负影响，负影响就加0，正影响就加值）

本文链接：https://blog.youkuaiyun.com/tinyint_813/article/details/118093843

本文介绍了一种利用动态规划解决整型数组中连续子数组和的最大值问题的方法，时间复杂度为O(n)，空间复杂度为O(1)。通过状态定义、转移方程和初始状态的计算，求解了以每个元素结尾的最大连续子数组和，并返回全局最大值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

/*
输入一个整型数组，数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。
要求时间复杂度为O(n)
 */

/*
动态规划
时间复杂度 O(N)：线性遍历数组 nums 即可获得结果，使用 O(N) 时间。
空间复杂度 O(1)：使用常数大小的额外空间。
 */

/*
算法步骤：
①状态定义： 设动态规划列表 dp，dp[i] 代表以元素 nums[i] 为结尾的连续子数组最大和。（为了保证连续子数组）
②转移方程： 若 dp[i - 1] ≤ 0 ，说明 dp[i - 1] 对 dp[i] 产生负贡献，即 dp[i-1] + nums[i] 还不如 nums[i] 本身大。
当 dp[i - 1] > 0 时：执行 dp[i] = dp[i-1] + nums[i] ；
当 dp[i - 1] ≤ 0 时：执行 dp[i] = nums[i] ；
③初始状态： dp[0] = nums[0]，即以 nums[0]结尾的连续子数组最大和为 dp[0]
④返回值： 返回 dp 列表中的最大值，代表全局最大值
 */

// var maxSubArray = function(nums) {
//     let dp = [];
//     dp[0] = nums[0];
//     for(let i = 1; i < nums.length; i++){
//         dp[i] = nums[i] + Math.max(dp[i-1], 0)
//     }
//     return Math.max(...dp);
// };

// 不使用额外辅助空间，使空间复杂度为O(1)
// var maxSubArray = function(nums) {
//     for(let i = 1; i < nums.length; i++){
//         nums[i] = nums[i] + Math.max(nums[i-1], 0)
//     }
//     return Math.max(...nums);
// };
//
// console.log(maxSubArray([-2,1,-3,4,-1,2,1,-5,4]));


var maxSubArray = function(n, m) {
    let mall = 0;
    for (let i = 0;i < m; i++){
        mall += n[i];
    }
    n[m-1] = mall;
    // console.log(mall);
    for(let i = m; i < n.length; i++){
        // nums[m-1] =
        n[i] = n[i] + Math.max(n[i-1], 0)
    }
    return Math.max(...n);
};

console.log(maxSubArray([-2,1,-3,4,-1,2,1,-5,4],2));