分享
分享动态规划学习种的一点感觉：
首先，官方一点的概念：我们把要解决的一个大问题转换成若干个规模较小的同类型问题，当我们求解出这些小问题的答案，大问题便不攻自破。同时，在求解这些小问题的过程中，我们把需要重复计算的答案记录下来放在数组中，下次如果遇到同样的小问题需要计算，便直接查询出结果。这就是动态规划。
其中重复的过程可以用一个状态转移方程来表示，所以最重要的是求状态转移方程。语雀里面有学长发过一个关于动态规划的文章，我就抛砖引玉吧。。。
先看几道例题，从其中体会下这个过程，
①.爬楼梯
-
上 1 阶台阶：有 1 种方式
-
上 2 阶台阶：有 1+1 和 2 两种方式
-
上 3 阶台阶：我们只能从第 2 阶或者第 1 阶 到达第 3 阶，所以到达第 3 阶的方法总数就是到第 1 阶和第 2 阶的方法数之和。
-
上 n 阶台阶：我们只能从第 n-1 阶或者第 n-2 阶 到达第 n 阶，所以到达第 n 阶的方法总数就是到第 n-1 阶和第 n-2 阶的方法数之和。
所以：dp[n]=dp[n-1]+dp[n-2]
②.最大子序和
动态规划第一步：定义状态。对于本题如何定义状态？我们分析题目，一个连续子数组一定要以一个数作为结尾，那是不是可以定义dp[i] 表示以 nums[i] 结尾的连续子数组的最大和。为啥要这样定义？如果要得到dp[i]，那么nums[i]一定会被选取。并且 dp[i] 所表示的连续子序列与 dp[i-1] 所表示的连续子序列很可能就差一个 nums[i]，当然这是在dp[i-1]大于0的情况下。
dp[i]=max(nums[i], dp[i−1]+nums[i])
③.
首先我们分析题目，要找的是最长上升子序列（Longest Increasing Subsequence，LIS）。因为题目中没有要求连续，所以**LIS可能是连续的，也可能是非连续的。**同时，LIS符合可以从其子问题的最优解来进行构建的条件。所以我们可以尝试用动态规划来进行求解。首先我们定义状态：dp[i] 表示以nums[i]结尾的最长上升子序列的长度。
dp[i] = max(dp[j]+1，dp[k]+1，dp[p]+1，…)
图解：
以后有空在补充吧。。。（含泪告别）