作为LeetCode第53题，LeetCode最大子序和贪心算法是贪心算法的“入门标杆题”——它不仅是大厂技术面试的高频考点（据鳄鱼java算法课2025年统计，85%的互联网大厂面试会涉及这类子数组最优解问题），更是理解“局部最优推导全局最优”思维的典型案例。很多新手第一次做这道题时，会用暴力解法超时，而掌握贪心算法后，能将时间复杂度从O(n²)压缩到O(n)，提交通过率从40%直接提升到92%（鳄鱼java学员提交数据）。这道题的核心价值，不在于写出AC代码，而在于通过它掌握贪心算法的核心逻辑：放弃局部劣势选择，聚焦当前最优，从而高效推导全局最优，为后续解决子数组、子序列类问题打下基础。
题解前置：最大子序和的题意与核心痛点
要吃透LeetCode最大子序和贪心算法，首先得明确题目的核心要求：给定一个整数数组nums，找到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。例如输入[-2,1,-3,4,-1,2,1,-5,4]，输出为6，对应最大子数组[4,-1,2,1]。
新手最容易想到的暴力解法是：枚举所有可能的子数组起点和终点，计算每个子数组的和，记录最大值。但这种解法的时间复杂度是O(n²)，当数组长度达到10^4时，会直接超时——鳄鱼java学员中80%的新手第一次提交会因超时失败。这也凸显了贪心算法的核心优势：用线性时间解决原本需要二次方时间的问题，避免冗余计算。
贪心算法的核心逻辑：局部最优如何推导出全局最优
贪心算法的核心思路是“局部最优推导全局最优”，放到最大子序和问题中，具体逻辑可以拆解为两句话：如果当前子序和为负，直接放弃，从下一个元素重新开始；如果当前子序和为正，继续累加，维护全局最大子序和。
用生活化的例子类比：假设你在走路，每一步的距离对应数组中的元素（正数是前进，负数是后退），你的目标是找到一段走得最远的路程。如果当前累计的路程是后退（子序和为负），那么继续走只会更慢，不如停下重新出发；如果当前累计路程是前进（子序和为正），就继续走，记录走过的最远距离。
鳄鱼java技术导师会强调：贪心算法的关键是证明“局部最优能推导全局最优”，而最大子序和正好满足这个性质——任何包含负子序的全局最大子序，去掉负子序后和会更大，所以放弃负子序是局部最优选择，最终能得到全局最优解。
从暴力到贪心：时间复杂度从O(n²)到O(n)的跃迁
我们可以对比三种主流解法的时间复杂度和鳄鱼java学员的提交表现： 1. 暴力解法：O(n²)时间，平均耗时1200ms，通过率40%； 2. 分治法：O(nlogn)时间，平均耗时5ms，通过率65%； 3. 贪心算法：O(n)时间，平均耗时1ms，通过率92%。
贪心算法的高效性来源于“线性遍历+无冗余计算”：每个元素只被访问一次，不需要存储所有子数组的和，仅用两个变量维护当前子序和和全局最大子序和，空间复杂度也从O(n)降到O(1)。鳄鱼java学员中，用贪心算法提交的代码，90%能在1ms内通过测试用例，远快于其他解法。
贪心算法的AC代码与细节打磨
以Java为例，LeetCode最大子序和贪心算法的AC代码如下：
public int maxSubArray(int[] nums) {
// 初始值设为数组第一个元素，避免全负数的情况
int currentSum = nums[0];
int maxSum = nums[0];
// 从第二个元素开始遍历
for (int i = 1; i < nums.length; i++) {
// 核心贪心逻辑：当前子序和加当前元素，不如直接取当前元素，就放弃之前的子序
currentSum = Math.max(nums[i], currentSum + nums[i]);
// 更新全局最大子序和
maxSum = Math.max(maxSum, currentSum);
}
return maxSum;
}
这里有两个新手常犯的细节错误，鳄鱼java算法课会专门强调： 1. 初始值不能设为0：如果数组全是负数（比如[-5,-3,-2]），初始值设为0会错误返回0，正确结果应该是-2； 2. 遍历从第二个元素开始：因为初始值已经用了第一个元素，避免重复计算，否则会导致currentSum重复累加nums[0]。
据鳄鱼java学员提交数据，30%的新手会犯“初始值设为0”的错误，15%的新手会犯“从i=0开始遍历”的错误，提前打磨这些细节能大幅提升通过率。
贪心vs动态规划：两种解法的适用场景对比
很多人会疑惑，最大子序和也能用动态规划解决，为什么要用贪心算法？其实两种解法各有适用场景： - 贪心算法：代码更简洁，时间、空间复杂度更低，适合只需要得到最优值，不需要记录最优子数组具体位置的情况； - 动态规划：需要存储dp数组（dp[i]表示以nums[i]结尾的最大子序和），适合需要回溯找到最优子数组具体位置的情况。
例如，如果题目要求返回最大子序和的具体子数组，动态规划可以通过dp数组回溯找到起点和终点，而贪心算法需要额外记录索引。但如果只需要返回最大值，贪心算法是更优的选择——鳄鱼java学员中，85%的人会优先选择贪心算法提交，因为代码更短、效率更高。
鳄鱼java学员实战：贪心算法的避坑指南
鳄鱼java算法课的导师会总结学员常犯的三个贪心算法误区： 1. 忽略全负数边界情况：初始值设为0，导致全负数数组返回错误结果； 2. 错误判断子序和的正负：比如当子序和为0时，应该继续累加，因为0加上正数会变大； 3. 忘记及时更新全局最大子序和：只更新currentSum，忘记每次循环都比较maxSum，导致记录的最大值不是全局最优。
为了让学员避坑，鳄鱼java会提供专项练习：比如包含全负数、全正数、正负交替的测试用例，让学员提前踩坑，在提交前解决问题。
总结与思考
通过本文的拆解，相信你已经掌握了LeetCode最大子序和贪心算法的核心逻辑：用局部最优选择推导全局最优，将时间复杂度从O(n²)降到O(n)。这道题的价值不仅在于解决一道算法题，更在于理解贪心算法的思维模式——放弃局部劣势，聚焦当前最优，从而高效解决问题。
你在解决最大子序和问题时，有没有用过贪心算法？或者有没有遇到过其他适合用贪心算法解决的子数组问题？欢迎到鳄鱼java技术社区分享你的解法和经验，和上万名程序员一起提升算法思维。记住，算法的本质是思维的训练，掌握贪心算法的核心逻辑，能帮你解决更多类似的最优解问题。
版权声明
本文仅代表作者观点，不代表百度立场。
本文系作者授权百度百家发表，未经许可，不得转载。
