贪心算法：如果当前数字之前得到的和为负数时应该抛弃并清零，因为这个负数将会减少接下来的和
注意maxSum是在maxSum和curSum之间挑最大的，局部最优以实现全局最优
takeaway: 这里可以思考怎么实现丢弃的？curSum+nums[i]-nums[i]<0, 则curSum<0那我的curSum只取当前值，意味着丢弃之前小于0的和，与当前值nums[i]的大小无关；
也可以这么理解：如果在加总当前值之前的curSum<0，Math.max取的一定是nums[i]，因为curSum+nums[i]一定小于nums[i]
解法1
动态规划：虽然官方说这是动态规划，对我来说更像另一种贪心思路，前一个元素大于0？
takeaway: 为什么把前一个大于0的元素加总在当前元素上取最大值就是最大子序和（当前元素可以是负值）？
如果想清楚了你就是贪心(因为这是你的贪心选择)，没想清楚就是动态规划
动态规划的思路：第i个元素结尾且最大的子序和要么是第i-1个元素结尾且最大的子序和+当前元素，要么是当前元素(如果当前元素是正数)，即
sum[i]=max(sum[i-1]+nums[i], nums[i]), 即可以通过判断sum[i-1]+nums[i]是否大于nums[i]来做判断，即等价于判断sum[i-1]是否大于0，在代码中即判断nums[i-1]是否大于0(代码中是加总前一个大于0的元素到当前元素)
或这么理解：nums[i]保存的是以数字nums[i]为结尾的最大子序和，只有前面一个元素不为负数则有利于加进来以更新最大值(这是我本人理解的)
这里注意区分子序和子数组(子串)的区别：子序是不连续的；
解法2
回溯枚举：即所谓的暴力搜索法
这是最原始的思路
解法3
回溯枚举：改善后的暴力搜索法
分治法：
