dp（動態規劃，dynamic programming）.
將乙個問題拆成幾個子問題，分別求解這些子問題，即可推斷出大問題的解。
概念：無後效性。（嚴格定義：如果給定某一階段的狀態，則在這一階段以後過程的發展不受這階段以前各段狀態的影響。）
最優子結構。大問題的最優解可以由小問題的最優解推出，這個性質叫做「最優子結構性質」。
能將大問題拆成幾個小問題，且滿足無後效性、最優子結構性質。
假設你正在爬樓梯。需要 n 階你才能到達樓頂。
每次你可以爬 1 或 2 個台階。你有多少種不同的方法可以爬到樓頂呢？
注意：給定 n 是乙個正整數。
示例 1：
輸入： 2
輸出： 2
解釋： 有兩種方法可以爬到樓頂。
1. 1 階 + 1 階
2. 2 階
第 i 階可以由以下兩種方法得到：
在第 (i-1) 階後向上爬一階。
在第 (i-2) 階後向上爬兩階。
所以到達第 i 階的方法總數就是到第 (i-1) 階和第 (i-2) 階的方法數之和。
令 dp[i] 表示能到達第 i 階的方法總數：
dp[i]=dp[i-1]+dp[i-2]
dp[i]=dp[i−1]+dp[i−2]
int climbstairs(int n)
return dp[n];
}
給定乙個代表每個房屋存放金額的非負整數陣列，計算你在不觸動警報裝置的情況下，能夠偷竊到的最高金額。
輸入: [1,2,3,1]
輸出: 4
解釋: 偷竊 1 號房屋 (金額 = 1) ，然後偷竊 3 號房屋 (金額 = 3)。
偷竊到的最高金額 = 1 + 3 = 4 。
int rob(vector& nums)
return dp[nums.size()];
}
給定 nums = [-2, 0, 3, -5, 2, -1]，求和函式為 sumrange()
sumrange(0, 2) -> 1
class numarray }}
int sumrange(int i, int j) else}};
機械人每次只能向下或者向右移動一步。機械人試圖達到網格的右下角（在下圖中標記為「finish」）。
問總共有多少條不同的路徑？
輸入: m = 7, n = 3
輸出: 28
}給定乙個無序的整數陣列，找到其中最長上公升子串行的長度。
輸入: [10,9,2,5,3,7,101,18]
輸出: 4
解釋: 最長的上公升子串行是 [2,3,7,101]，它的長度是 4。
dp[i] = max(dp[i], dp[j] + 1); 其中，0 <= j < i, 且 nums[i] > nums[j]
int lengthoflis(vector& nums) }}
int maxval = dp[0];
for(int i = 1; i < nums.size(); i++)
return maxval;
}
演算法 動態規劃演算法
動態規劃法基本思想 將原問題分解為相似的子問題，在求解的過程中通過子問題的解求出原問題的解。著名的應用例項有 求解最短路徑問題，揹包問題，專案管理，網路流優化等。個人對動態規劃的理解，主要就是避免重複計算。就是那些曾經發生過的事情，曾經計算過的值先儲存下來，然後再次遇到相同的子問題的時候，直接用儲存...
演算法 動態規劃演算法
動態規劃法基本思想 將原問題分解為相似的子問題，在求解的過程中通過子問題的解求出原問題的解。著名的應用例項有 求解最短路徑問題，揹包問題，專案管理，網路流優化等。個人對動態規劃的理解，主要就是避免重複計算。就是那些曾經發生過的事情，曾經計算過的值先儲存下來，然後再次遇到相同的子問題的時候，直接用儲存...
演算法 動態規劃演算法
背 包問題 有乙個揹包，容量為 4磅 現有如下物品 物品 重量 吉他 g 1 1500 音響 s 4 3000 電腦 l 3 2000 1 要求達到的目標為裝入的揹包的總價值最大，並且重量不超出 2 要求裝入的物品不能重複 動態規劃的核心思想是把原來的問題分解成子問題進行求解，也就是分治的思想。但是...