连续子数组的最大和

题目描述：

	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)

问题分析：

动态规划问题，核心思想在于剥离，把选择的范围往前推，比如
		用sum(j) 表示 a1 到 aj 的和，很容易求出动态规划的递归表达式
	 	sum(j) = max(sum(j-1)+aj,aj)
	 	
按照这个原理，大多动态规划问题还是可以用循环来解决的，诸如三次，二次循环，本文最后会有查看这种解法的入口

所以这个最大的连续和，就是求解 这个位置之前的和+这个位置的值  与 这个位置的值	谁更大，选大

代码展示：

function FindGreatestSumOfSubArray(array)
{
    //动态规划问题 
    //从1 - j ，将j之前的数字加起来，与array[j] 比较谁大，就选择谁
    // 就这样层层往前压缩范围选出数字
    if(array.length<1)
        return 0;
    if(array.length === 1)
        return array[0];
    var res = [];
    res[0] = array[0];
    var result = res[0];
    for(let i=1; i<array.length; i++){
    	//将之前的数字加起来与这个位置上的数字比较谁更大，之前的更大则保留
        res[i] = Math.max(res[i-1]+array[i],array[i]);
        
        //每次比较后都选出目前最大的和
        result = Math.max(result,res[i]);
    }
    return result;
}

总结：

如果你想从多个角度，诸如三次循环，二次循环，单次循环等方式来解决这个问题，那不妨看一下下面这篇博客，相信会有点用处

最大子序列 多种方式求解