从键盘为整数数组A[10]赋两组初值，然后用动态规划算法分别求A的最大子段和、与最大子段和对应的元素下标以及基本运算次数。

在使用动态规划解决这个问题时，我们通常会定义一个二维数组，其中每个元素表示到当前位置为止的最大子段和。以下是Python的一个示例代码来实现这个过程：

def max_subarray_sum(A):
    n = len(A)
    # 初始化两个一维数组：dp[i] 存储前i个元素的最大子段和，prev_max[i] 存储对应的最大子段和最后一个元素的位置
    dp = [0] * (n+1)
    prev_max = [-1] * (n+1)

    # 初始化基础状态
    dp[0], prev_max[0] = A[0], 0

    for i in range(1, n+1):
        dp[i] = max(dp[i-1] + A[i], A[i])  # 动态规划的核心步骤：如果包含当前元素的子段更大，则更新最大子段和
        if dp[i] == A[i]:  # 当前元素本身就是最大子段和时，prev_max保持不变
            prev_max[i] = prev_max[i-1]
        else:  # 如果不是，prev_max记录上一次达到最大子段和的那个元素的位置
            prev_max[i] = i

    # 返回结果
    return dp[n], prev_max[n], sum(abs(x) for x in A)  # 基本运算是加法和比较，这里计算绝对值是为了统计负数的次数

# 示例数组
A = [1, -2, 3, 4, -5, 6]
max_sum, max_index, basic_ops = max_subarray_sum(A)
print("最大子段和:", max_sum)
print("最大子段和对应的元素下标:", max_index)
print("基本运算次数:", basic_ops)

在这个例子中，`max_sum`就是最大子段和，`max_index`指向了这一子段的第一个元素，`basic_ops`则是计算数组元素绝对值得和，因为动态规划过程中主要是通过加法和比较操作。