[C++]线性模型和递推

最大子段和

定义$f[i]$为结尾为第$i$个元素的最大子段和
$$f[i]=max(f[i-1]+a[i],a[i])$$
边界条件为$f[0]=0$
最终答案为$f[n]$

也可以转换成前缀和，求出前缀和和前面的前缀和的最小值做差

最长上升子序列（LIS）

定义$f[i]$为以$i$结尾的LIS长度
$$f[i]=max(f[j])j<ia[j]<a[i]$$
边界条件为$f[0]=1$
最终答案为$f[n]$

最长公共子序列（LCS）

定义$f[i][j]$为$a[\mathrm{1...}i]$和$b[\mathrm{1...}j]$的LCS的长度
$$f[i][j]=a=\{\begin{array}{l}f[i-1][j-1]+1,a[i]=b[j]\\ max(f[i-1][j],f[i][j-1],a[i]\ne b[j])\end{array}$$
边界条件为$f[0][0]=0$
最终答案为$f[n][m]$($n$为数组$a$的长度，$m$为数组$b$的长度)

递推与动态规划

事实上，递推是一种解决问题的方法，而动态规划常常会利用问题的最优子结构以及无后效性特征将问题转化为用递推求解。
一般来说，递推是从规模较小的问题推广向规模较大的问题，而动态规划也可以使用记忆化搜索来规避递推的顺序。
无论是递推还是动态规划，我们总是要进行一个状态的划分，然后在确定了边界条件之后进行状态的转移。只要掌握了这样解决问题的方式，不必纠结应该怎样去界定问题的类型。