前言🌧️

算法，对前端人来说陌生又熟悉，很多时候我们都不会像后端工程师一样重视这项能力。但事实上，算法对每一个程序员来说，都有着不可撼动的地位。

因为开发的过程就是把实际问题转换成计算机可识别的指令，也就是《数据结构》里说的，「设计出数据结构，在施加以算法就行了」。

编写指令的好坏，会直接影响到程序的性能优劣，而指令又由数据结构和算法组成，所以数据结构和算法的设计基本上决定了最终程序的好坏。

题目🦀

53. 最大子数组和

难度简单

给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

子数组 是数组中的一个连续部分。

示例 1：

输入：nums = [-2,1,-3,4,-1,2,1,-5,4]
输出：6
解释：连续子数组 [4,-1,2,1] 的和最大，为 6 。

示例 2：

输入：nums = [1]
输出：1

示例 3：

输入：nums = [5,4,-1,7,8]
输出：23

提示：

• 1 <= nums.length <= 105
  
• -104 <= nums[i] <= 104
  

**进阶：**如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的 分治法 求解。

解题思路🌵

• 此题可以采用动态规划解决
• 重点是状态的定义规则：定义状态 dp[i] 为以 i 结尾的连续子序列的最大值

解题步骤🐂

• 定义状态 dp[i] 为以 i 结尾的连续子序列的最大值
• 定义状态转移方程
• 当num[i - 1] >= 0 时 : dp[i] = dp[i - 1] + num[i]
• 当num[i - 1] < 0 时 : dp[i] = num[i]

源码🔥

/**
 * @param {number[]} nums
 * @return {number}
 */
var maxSubArray = function(nums) {
   const dep = [nums[0]]
   for(let i=1;i<nums.length;i++){
    if(dep[i-1]<0){
        dep[i]=nums[i]
    }else{
        dep[i]=dep[i-1]+nums[i]
    }
   }
   return Math.max(...dep)
};
// 这里状态的定义不是题目中的问题的定义，不能直接将最后一个状态返回回去。
// 这里状态的定义不是题目中的问题的定义，不能直接将最后一个状态返回回去。
// 这里状态的定义不是题目中的问题的定义，不能直接将最后一个状态返回回去。

时间复杂度:O(n)

空间复杂度:O(n)

结束语🌞

那么鱼鱼的LeetCode算法篇的「LeetCode」53-最大子数组和⚡️就结束了，算法这个东西没有捷径，只能多写多练，多总结，文章的目的其实很简单，就是督促自己去完成算法练习并总结和输出，菜不菜不重要，但是热爱🔥，喜欢大家能够喜欢我的短文，也希望通过文章认识更多志同道合的朋友，如果你也喜欢折腾，欢迎加我好友，一起沙雕，一起进步。