解决方法是使用动态规划来避免使用嵌套循环来找到数组的最大子串。

动态规划的思想是将问题分解为更小的子问题，并使用已解决的子问题的解来解决当前问题。对于找到数组的最大子串，我们可以使用动态规划来记录以每个元素结尾的最大子串的和。

下面是一个示例代码：

def find_max_subarray(nums):
    n = len(nums)
    max_sum = nums[0] # 初始化最大子串和为第一个元素
    current_sum = nums[0] # 初始化当前子串和为第一个元素

    for i in range(1, n):
        current_sum = max(nums[i], current_sum + nums[i])
        max_sum = max(max_sum, current_sum)

    return max_sum

# 测试代码
nums = [-2, 1, -3, 4, -1, 2, 1, -5, 4]
print(find_max_subarray(nums)) # 输出: 6

在上面的代码中，我们使用两个变量max_sum和current_sum来分别记录最大子串和和当前子串和。我们从数组的第二个元素开始遍历，对于每个元素，我们计算当前子串和current_sum为当前元素值与之前的当前子串和current_sum加上当前元素值的较大值。然后，我们更新最大子串和max_sum为之前的最大子串和max_sum与当前子串和current_sum的较大值。

通过这种方法，我们只需要遍历一次数组，而不需要使用嵌套循环来找到数组的最大子串。这样可以显著提高算法的效率。