diff --git a/problems/0053.最大子序和.md b/problems/0053.最大子序和.md
index 14017f98..1de68041 100644
--- a/problems/0053.最大子序和.md
+++ b/problems/0053.最大子序和.md
@@ -4,7 +4,6 @@
 </a>
 <p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
 
-
 # 53. 最大子序和
 
 [力扣题目链接](https://leetcode.cn/problems/maximum-subarray/)
@@ -12,17 +11,21 @@
 给定一个整数数组 nums ，找到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。
 
 示例:
-* 输入: [-2,1,-3,4,-1,2,1,-5,4]
-* 输出: 6
-* 解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。
 
+- 输入: [-2,1,-3,4,-1,2,1,-5,4]
+- 输出: 6
+- 解释:  连续子数组  [4,-1,2,1] 的和最大，为  6。
+
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法的巧妙需要慢慢体会！LeetCode：53. 最大子序和](https://www.bilibili.com/video/BV1aY4y1Z7ya)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
 
 ## 暴力解法
 
-暴力解法的思路，第一层for 就是设置起始位置，第二层for循环遍历数组寻找最大值
+暴力解法的思路，第一层 for 就是设置起始位置，第二层 for 循环遍历数组寻找最大值
 
-* 时间复杂度：O(n^2)
-* 空间复杂度：O(1)
+- 时间复杂度：O(n^2)
+- 空间复杂度：O(1)
 
 ```CPP
 class Solution {
@@ -42,13 +45,13 @@ public:
 };
 ```
 
-以上暴力的解法C++勉强可以过，其他语言就不确定了。
+以上暴力的解法 C++勉强可以过，其他语言就不确定了。
 
 ## 贪心解法
 
 **贪心贪的是哪里呢？**
 
-如果 -2 1 在一起，计算起点的时候，一定是从1开始计算，因为负数只会拉低总和，这就是贪心贪的地方！
+如果 -2 1 在一起，计算起点的时候，一定是从 1 开始计算，因为负数只会拉低总和，这就是贪心贪的地方！
 
 局部最优：当前“连续和”为负数的时候立刻放弃，从下一个元素重新计算“连续和”，因为负数加上下一个元素 “连续和”只会越来越小。
 
@@ -56,29 +59,27 @@ public:
 
 **局部最优的情况下，并记录最大的“连续和”，可以推出全局最优**。
 
-
-从代码角度上来讲：遍历nums，从头开始用count累积，如果count一旦加上nums[i]变为负数，那么就应该从nums[i+1]开始从0累积count了，因为已经变为负数的count，只会拖累总和。
+从代码角度上来讲：遍历 nums，从头开始用 count 累积，如果 count 一旦加上 nums[i]变为负数，那么就应该从 nums[i+1]开始从 0 累积 count 了，因为已经变为负数的 count，只会拖累总和。
 
 **这相当于是暴力解法中的不断调整最大子序和区间的起始位置**。
 
-
 **那有同学问了，区间终止位置不用调整么？ 如何才能得到最大“连续和”呢？**
 
-区间的终止位置，其实就是如果count取到最大值了，及时记录下来了。例如如下代码：
+区间的终止位置，其实就是如果 count 取到最大值了，及时记录下来了。例如如下代码：
 
 ```
 if (count > result) result = count;
 ```
 
-**这样相当于是用result记录最大子序和区间和（变相的算是调整了终止位置）**。
+**这样相当于是用 result 记录最大子序和区间和（变相的算是调整了终止位置）**。
 
 如动画所示：
 
 ![53.最大子序和](https://code-thinking.cdn.bcebos.com/gifs/53.%E6%9C%80%E5%A4%A7%E5%AD%90%E5%BA%8F%E5%92%8C.gif)
 
-红色的起始位置就是贪心每次取count为正数的时候，开始一个区间的统计。
+红色的起始位置就是贪心每次取 count 为正数的时候，开始一个区间的统计。
 
-那么不难写出如下C++代码（关键地方已经注释）
+那么不难写出如下 C++代码（关键地方已经注释）
 
 ```CPP
 class Solution {
@@ -98,38 +99,34 @@ public:
 };
 ```
 
-* 时间复杂度：O(n)
-* 空间复杂度：O(1)
+- 时间复杂度：O(n)
+- 空间复杂度：O(1)
 
 当然题目没有说如果数组为空，应该返回什么，所以数组为空的话返回啥都可以了。
 
+## 常见误区
 
-## 常见误区 
-
-误区一： 
-
-不少同学认为 如果输入用例都是-1，或者 都是负数，这个贪心算法跑出来的结果是0， 这是**又一次证明脑洞模拟不靠谱的经典案例**，建议大家把代码运行一下试一试，就知道了，也会理解 为什么 result 要初始化为最小负数了。
+误区一：
 
+不少同学认为 如果输入用例都是-1，或者 都是负数，这个贪心算法跑出来的结果是 0， 这是**又一次证明脑洞模拟不靠谱的经典案例**，建议大家把代码运行一下试一试，就知道了，也会理解 为什么 result 要初始化为最小负数了。
 
 误区二：
 
-大家在使用贪心算法求解本题，经常陷入的误区，就是分不清，是遇到 负数就选择起始位置，还是连续和为负选择起始位置。 
+大家在使用贪心算法求解本题，经常陷入的误区，就是分不清，是遇到 负数就选择起始位置，还是连续和为负选择起始位置。
 
-在动画演示用，大家可以发现， 4，遇到 -1 的时候，我们依然累加了，为什么呢？ 
+在动画演示用，大家可以发现， 4，遇到 -1 的时候，我们依然累加了，为什么呢？
 
-因为和为3，只要连续和还是正数就会 对后面的元素 起到增大总和的作用。 所以只要连续和为正数我们就保留。 
-
-这里也会有录友疑惑，那 4 +  -1 之后 不就变小了吗？ 会不会错过 4 成为最大连续和的可能性？ 
-
-其实并不会，因为还有一个变量result 一直在更新 最大的连续和，只要有更大的连续和出现，result就更新了，那么result已经把4更新了，后面 连续和变成3，也不会对最后结果有影响。 
+因为和为 3，只要连续和还是正数就会 对后面的元素 起到增大总和的作用。 所以只要连续和为正数我们就保留。
 
+这里也会有录友疑惑，那 4 + -1 之后 不就变小了吗？ 会不会错过 4 成为最大连续和的可能性？
 
+其实并不会，因为还有一个变量 result 一直在更新 最大的连续和，只要有更大的连续和出现，result 就更新了，那么 result 已经把 4 更新了，后面 连续和变成 3，也不会对最后结果有影响。
 
 ## 动态规划
 
-当然本题还可以用动态规划来做，当前[「代码随想录」](https://img-blog.csdnimg.cn/20201124161234338.png)主要讲解贪心系列，后续到动态规划系列的时候会详细讲解本题的dp方法。
+当然本题还可以用动态规划来做，当前[「代码随想录」](https://img-blog.csdnimg.cn/20201124161234338.png)主要讲解贪心系列，后续到动态规划系列的时候会详细讲解本题的 dp 方法。
 
-那么先给出我的dp代码如下，有时间的录友可以提前做一做：
+那么先给出我的 dp 代码如下，有时间的录友可以提前做一做：
 
 ```CPP
 class Solution {
@@ -148,8 +145,8 @@ public:
 };
 ```
 
-* 时间复杂度：O(n)
-* 空间复杂度：O(n)
+- 时间复杂度：O(n)
+- 空间复杂度：O(n)
 
 ## 总结
 
@@ -159,8 +156,8 @@ public:
 
 ## 其他语言版本
 
-
 ### Java
+
 ```java
 class Solution {
     public int maxSubArray(int[] nums) {
@@ -201,6 +198,7 @@ class Solution {
 ```
 
 ### Python
+
 ```python
 class Solution:
     def maxSubArray(self, nums: List[int]) -> int:
@@ -233,6 +231,7 @@ func maxSubArray(nums []int) int {
 ```
 
 ### Rust
+
 ```rust
 pub fn max_sub_array(nums: Vec<i32>) -> i32 {
     let mut max_sum = i32::MIN;
@@ -247,6 +246,7 @@ pub fn max_sub_array(nums: Vec<i32>) -> i32 {
 ```
 
 ### Javascript:
+
 ```Javascript
 var maxSubArray = function(nums) {
     let result = -Infinity
@@ -264,14 +264,15 @@ var maxSubArray = function(nums) {
 };
 ```
 
-
 ### C:
+
 贪心：
+
 ```c
 int maxSubArray(int* nums, int numsSize){
     int maxVal = INT_MIN;
     int subArrSum = 0;
-    
+
     int i;
     for(i = 0; i < numsSize; ++i) {
         subArrSum += nums[i];
@@ -286,6 +287,7 @@ int maxSubArray(int* nums, int numsSize){
 ```
 
 动态规划：
+
 ```c
 /**
  * 解题思路：动态规划：
@@ -324,15 +326,15 @@ int maxSubArray(int* nums, int numsSize){
 
 ```typescript
 function maxSubArray(nums: number[]): number {
-    let curSum: number = 0;
-    let resMax: number = -Infinity;
-    for (let i = 0, length = nums.length; i < length; i++) {
-        curSum += nums[i];
-        resMax = Math.max(curSum, resMax);
-        if (curSum < 0) curSum = 0;
-    }
-    return resMax;
-};
+  let curSum: number = 0;
+  let resMax: number = -Infinity;
+  for (let i = 0, length = nums.length; i < length; i++) {
+    curSum += nums[i];
+    resMax = Math.max(curSum, resMax);
+    if (curSum < 0) curSum = 0;
+  }
+  return resMax;
+}
 ```
 
 **动态规划**
@@ -340,17 +342,17 @@ function maxSubArray(nums: number[]): number {
 ```typescript
 // 动态规划
 function maxSubArray(nums: number[]): number {
-    const length = nums.length;
-    if (length === 0) return 0;
-    const dp: number[] = [];
-    dp[0] = nums[0];
-    let resMax: number = nums[0];
-    for (let i = 1; i < length; i++) {
-        dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
-        resMax = Math.max(resMax, dp[i]);
-    }
-    return resMax;
-};
+  const length = nums.length;
+  if (length === 0) return 0;
+  const dp: number[] = [];
+  dp[0] = nums[0];
+  let resMax: number = nums[0];
+  for (let i = 1; i < length; i++) {
+    dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
+    resMax = Math.max(resMax, dp[i]);
+  }
+  return resMax;
+}
 ```
 
 ### Scala