给你一个整数数组 nums ，请你找出一个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。

子数组
是数组中的一个连续部分。

这是一个经典的动态规划问题，可以通过遍历数组并利用动态规划的思想来解决。具体步骤如下：

1. 初始化两个变量 max_sum 和 current_sum，分别用来记录全局最大和以及当前连续子数组的和，初始值都设为第一个元素 nums[0]。
2. 从数组的第二个元素开始遍历，对于每个元素，有两种情况：
   将当前元素加入当前连续子数组，即 current_sum += nums[i]；
   重新开始一个新的连续子数组，即 current_sum = nums[i]。
3. 在每次遍历时，更新 max_sum 为当前 max_sum 和 current_sum 的较大值。
4. 遍历完成后，max_sum 即为所求的最大和。
   下面是对应的 C 代码实现：

#include <stdio.h>// 返回连续子数组的最大和
int maxSubArray(int* nums, int numsSize) {int max_sum = nums[0]; // 全局最大和int current_sum = nums[0]; // 当前连续子数组的和// 从第二个元素开始遍历数组for (int i = 1; i < numsSize; i++) {// 对于当前元素，有两种情况：// 1. 将当前元素加入当前连续子数组// 2. 重新开始一个新的连续子数组current_sum = (current_sum + nums[i] > nums[i]) ? (current_sum + nums[i]) : nums[i];// 更新全局最大和if (current_sum > max_sum) {max_sum = current_sum;}}return max_sum;
}int main() {int nums[] = {-2, 1, -3, 4, -1, 2, 1, -5, 4};int numsSize = sizeof(nums) / sizeof(nums[0]);int maxSum = maxSubArray(nums, numsSize);printf("连续子数组的最大和为: %d\n", maxSum);return 0;
}

时间复杂度分析：

动态规划方法使用一次线性扫描来计算每个位置的最大子数组和，因此时间复杂度为 O(n)。
在扫描的过程中，对于每个位置，只需要比较前一个位置的最大子数组和与当前位置的元素的和，因此时间复杂度是线性的。

空间复杂度分析：

动态规划方法只需要使用常数级别的额外空间来存储一些临时变量，如当前位置的最大子数组和以及全局最大子数组和。
因此，空间复杂度为 O(1)。
综上所述，动态规划方法的时间复杂度为 O(n)，空间复杂度为 O(1)。