思路：实际上是一个动态规划问题。设sum[i]为以第i个元素结尾且和最大的连续子数组。假设对于元素i，所有以它前面的元素结尾的子数组的长度都已经求得，那么以第i个元素结尾且和最大的连续子数组实际上，要么是以第i-1个元素结尾且和最大的连续子数组加上这个元素，要么是只包含第i个元素，即sum[i]= max(sum[i-1] + a[i], a[i])。可以通过判断sum[i-1] + a[i]是否大于a[i]来做选择，而这实际上等价于判断sum[i-1]是否大于0。由于每次运算只需要前一次的结果，因此并不需要像普通的动态规划那样保留之前所有的计算结果，只需要保留上一次的即可，因此算法的时间和空间复杂度都很小
解法1：
public int maxSubArray(int[] nums
{// 动态规划法
int sum=nums[0];
int n=nums[0];
for(int i=1;i<nums.length;i++)
{
if(n>0)n+=nums[i];
else n=nums[i];
if(sum<n) sum=n;
}
return sum;
}
解法2：如果前一个数与后一个数相加之后的值小于后一个数，则前一个数小于0，摄取前一个值，取当前值为dp数组中的值。
public int maxSubArray(int[] nums) {
int[] dp = new int[nums.length];
dp[0] = nums[0];
for(int i = 1; i< nums.length; i++)
{
dp[i] = Math.max(dp[i -1] + nums[i], nums[i]);
}
int k = 0;
for(int i = 0; i < dp.length; i++)
{
if(dp[i] > dp[k]) k = i;
}
return dp[k];
}