python编程实现最大子序列和问题，给出完整的代码并设计实例进行测试。

最大子序列和问题（Maximum Subarray Problem）是经典的动态规划问题之一。其目标是找到一个数组中连续子数组的最大和。

下面是一个使用Python实现的完整代码，并附带一个实例进行测试：

def max_subarray_sum(nums):
    if not nums:
        return 0
    
    # 初始化当前子数组和为第一个元素，最大子数组和也为第一个元素
    current_sum = max_sum = nums[0]
    
    # 从第二个元素开始遍历数组
    for num in nums[1:]:
        # 如果当前子数组和小于0，则重新开始计算新的子数组和
        current_sum = max(num, current_sum + num)
        # 更新最大子数组和
        max_sum = max(max_sum, current_sum)
    
    return max_sum

# 测试实例
if __name__ == "__main__":
    # 示例数组
    test_array = [-2, 1, -3, 4, -1, 2, 1, -5, 4]
    print("输入数组:", test_array)
    
    # 调用函数计算最大子序列和
    result = max_subarray_sum(test_array)
    print("最大子序列和:", result)

### 解释
1. **初始化**：`current_sum` 和 `max_sum` 都初始化为数组的第一个元素。
2. **遍历数组**：从第二个元素开始遍历数组。
3. **更新当前子数组和**：如果 `current_sum` 小于0，则重新开始计算新的子数组和，否则继续累加当前元素。
4. **更新最大子数组和**：每次更新 `current_sum` 后，检查是否需要更新 `max_sum`。
5. **返回结果**：最终返回 `max_sum`。

### 测试实例
在上述代码中，我们使用了 `test_array = [-2, 1, -3, 4, -1, 2, 1, -5, 4]` 作为测试数据。运行代码后，输出如下：

输入数组: [-2, 1, -3, 4, -1, 2, 1, -5, 4]
最大子序列和: 6

这个结果表明，最大子序列和为6，对应的子序列是 `[4, -1, 2, 1]`。