docs: 最大子序列和添加视频讲解链接

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
 
-* 时间复杂度：O(n^2)
+- 时间复杂度：O(n^2)
-* 空间复杂度：O(1)
+- 空间复杂度：O(1)
 
 ```CPP
 class Solution {
@@ -56,12 +59,10 @@ 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。
 
 **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：
@@ -98,19 +99,17 @@ public:
 };
 ```
 
-* 时间复杂度：O(n)
+- 时间复杂度：O(n)
-* 空间复杂度：O(1)
+- 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
 
 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。
@@ -123,8 +122,6 @@ public:
 
 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。
@@ -148,8 +145,8 @@ public:
 };
 ```
 
-* 时间复杂度：O(n)
+- 时间复杂度：O(n)
-* 空间复杂度：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
@@ -264,9 +264,10 @@ var maxSubArray = function(nums) {
 };
 ```
 
-
 ### C:
+
 贪心：
+
 ```c
 int maxSubArray(int* nums, int numsSize){
     int maxVal = INT_MIN;
@@ -286,6 +287,7 @@ int maxSubArray(int* nums, int numsSize){
 ```
 
 动态规划：
+
 ```c
 /**
  * 解题思路：动态规划：
@@ -332,7 +334,7 @@ function maxSubArray(nums: number[]): number {
     if (curSum < 0) curSum = 0;
   }
   return resMax;
-};
+}
 ```
 
 **动态规划**
@@ -350,7 +352,7 @@ function maxSubArray(nums: number[]): number {
     resMax = Math.max(resMax, dp[i]);
   }
   return resMax;
-};
+}
 ```
 
 ### Scala