本文主要是介绍LeetCode53. Maximum Subarray-python(easy) DP思想，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
题目来源：
https://leetcode.com/problems/maximum-subarray/discuss/20193/DP-solution-and-some-thoughts
题目分析：
本题的意思很简单，即给出一个数列，输出这个数列的最大字段和。比如：[−2,1,−3,4,−1,2,1,−5,4]，最大子段和是[4,-1,2,1]答案是6。
显然，这是一个优化问题，通常可以用DP来解决。DP意思是动态规划。动态规划程序设计是对解最优化问题的一种途径、一种方法，而不是一种特殊算法。不像前面所述的那些搜索或数值计算那样，具有一个标准的数学表达式和明确清晰的解题方法。动态规划程序设计往往是针对一种最优化问题，由于各种问题的性质不同，确定最优解的条件也互不相同，因而动态规划的设计方法对不同的问题，有各具特色的解题方法，而不存在一种万能的动态规划算法，可以解决各类最优化问题。因此除了要对基本概念和方法正确理解外，必须具体问题具体分析，以丰富的想象力去建立模型，用创造性的技巧去求解。
动态规划算法的基本思想是：将待求解的问题分解成若干个相互联系的子问题，先求解子问题，然后从这些子问题的解得到原问题的解；对于重复出现的子问题，只在第一次遇到的时候对它进行求解，并把答案保存起来，让以后再次遇到时直接引用答案，不必重新求解。动态规划算法将问题的解决方案视为一系列决策的结果，与贪婪算法不同的是，在贪婪算法中，每采用
这篇关于LeetCode53. Maximum Subarray-python(easy) DP思想的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
