# 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)

# 解题思路：动态规划，dp[i]=max(dp[i-1]+arr[i],arr[i])
#                   res=max(dp[i],res)
# python里可以简化res那一步，直接max(dp),因为dp保存了所有的和

def FindGreatestSumOfSubArray(array):
    if not array:
        return []
    if len(array)==1:
        return array[0]
    dp =[i for i in array]
    for i in range(1,len(array)):
        dp[i]=max(dp[i-1]+array[i],array[i])
    return max(dp)

# res = [[1,2,3],[4,5,6,7],[999]]
# print(min(min(res)))
res = FindGreatestSumOfSubArray([1,2,3,4,-9,0,56,-99,23,56])
print(res)