算法：动态规划

问题：

DP问题如何处理负数

子数组和为m，能否利用DP解决？前缀？

什么是DP

Dynamic Process（DP）是指满足最优子结构、无后效性、和有重叠子问题三个性质的求得最优解的方法。有重叠子问题不是DP的必要条件，但如果不具备的话，会使得DP在解决问题的时候丢失优势。DP是求解决策过程最优化的方法，决策过程就是可能分成多个阶段的。

1. 最优子结构：问题是由多阶段构成，每个阶段的最优解会推到出整个问题的最优解
2. 无后效性：后面的计算结果和决策不会影响之前阶段的决策
3. 有重叠子问题：子问题之间不是独立的。这点和分治算法是不一样的，分治思想下的子问题是互相独立的，然后合成大问题的解。

简单直白的解释：之前计算的需要存储、不管以后怎么样当前就是最好的、每个阶段的状态算出来就不变了。

动态规划问题的关键步骤

以下没有标准答案，需要每题单独分析。

1. 确定阶段
2. 确定各个阶段的状态：这里的状态可以考虑和题目的要求匹配，例如题目是最大组合数，那状态就是在阶段i的最大组合数：cnt，如果题目是是否可以，那状态也是是否可以：true or false
3. 确定各状态之间的转移方程（也就是递推关系）

后面各阶段解释比较有帮助

背包问题

如何利用倒叙和一维数组降低只需要最后解（例如最大价值）的算法空间复杂度。

正序计算会导致后面计算出错，每次更新都是利用上一行楼上和前面的value计算，所以采用倒序方法，这个就是计算优化技巧了，和算法本身的思路无关。

状态转移表建议多算算，会有一些算法的启发和确定自己是否真的理解了需要解决的问题。

原始的dp方程可以多

👉🏻 这个解题思路讲的很透彻with some flaws

👉🏻 背包问题使用一维数组时为什么要倒序

👉🏻 环形偷盗问题为什么可以分解为两个单排偷盗的问题，因为特殊case互相包容了

需要注意的是，如果数组中存在负数的情况该怎么办呢？