算法 | Five Steps to Dynamic Programming（解决动态规划问题的五个步骤）

动态规划（DP）是最常用的算法之一。它借助Divide and Conquer的思想，将一个问题分解为一个个渐进的subproblems（子问题），最终通过解决这些子问题来得到问题的终极答案。
和recursion（递归）的不同，DP会将所有子问题的答案存在一个表格里，以达到方便提取、提升效率的作用。因此，用递归需要指数时间解决的问题，很多都可以用DP在多项式时间内解决。一个最常见的例子就是计算第n项斐波那契数列。

解决动态规划问题的五个步骤如下：

一、判断问题是否能用动态规划算法解决

一般来说，动态规划问题都可以写成如下形式：
$$\max f(x1,x2,...xn)s.t.L(y1,y2,...,yn)<0$$
where L(y1,y2…yn) is the constraint function
即，在某些限制条件之下求出目标函数（objective function）的最大值或最小值。
用Max Array Sum问题来举例说明：输入一个数列arr，这道题的目标是在arr中选择若干两两不相邻的数，使它们的和最大。这道题就是典型的动态规划，限制条件是必须选择不相邻的数，目标函数则是它们的和。

二、写出子问题（subproblem）

将目标函数表示为OPT(n)，那么子问题一般可以表示为OPT(k)，其中k是input的大小。
继续以Max Array Sum问题为例。input长度为n的数列arr，我们最终想要算出的是：
O