对于这个问题，我们可以使用动态规划来解决。

首先，我们定义一个二维数组dp，其中dpi表示将数组的前i个元素进行操作，使得和最大的情况下，第i个元素的状态为j时的最大和。

接下来，我们可以根据状态转移方程来计算dp数组的值。状态转移方程如下：

dpi = dpi-1 + nums[i] // 第i个元素不进行操作
dpi = max(dpi-1 * nums[i], dpi-1 + nums[i]) // 第i个元素进行操作

其中，nums[i]表示数组的第i个元素。

最后，我们遍历dp数组的最后一行，找到最大的和，即为所求的结果。

下面是使用Python代码实现的示例：

def maxSum(nums):
    n = len(nums)
    dp = [[0] * 2 for _ in range(n)]
    dp[0][0] = nums[0]
    dp[0][1] = float('-inf')

    for i in range(1, n):
        dp[i][0] = dp[i-1][0] + nums[i]
        dp[i][1] = max(dp[i-1][0] * nums[i], dp[i-1][1] + nums[i])

    max_sum = max(dp[n-1][0], dp[n-1][1])
    return max_sum

# 示例输入
nums = [1, 2, 3, 4, 5]
print(maxSum(nums))  # 输出：120

在上述示例中，数组[1, 2, 3, 4, 5]进行操作后，可以得到最大的和为120。