[这是算法]关于动态规划我的理解

emmm，原本的廣搜鴿掉了，本來是有安排的，但是linqi他一直要我發和我聊天，所以，鴿掉了。其實是我自己不想寫
好了好了，看到標題了吧，欸錯，這篇是關於動態規劃的
動態規劃
感覺繁體有點奇怪先換成簡體
哈喽哈喽 好多了
动态规划，是求最优解的一种途径，一种方法，而不是一种特殊算法，所以它并没有明确的解题方法
比较常见的例题像是

• 如何安排haoran的时间，让他一天(12小时)赚到最多的钱
• 如何实现人力用的最少干完所有活

比如这一道最大子段和

题目描述
给出一段序列，选出其中连续且非空的一段使得这段和最大。

输入格式：
第一行是一个正整数NN，表示了序列的长度。
第二行包含NN个绝对值不大于1000010000的整数A_iA

输出格式：
一个整数，为最大的子段和是多少。子段的最小长度为11

我们会先想到贪心对吧(这道题好像可以用贪心做)但是，我们不能老想着一招吃遍天下鲜吧，贪心对于某些问题是解不了的，下次补充。
那我们打表，暴力枚举可以吗(这道题好像还是可以)但是，它的时间复杂度为O(n^2)，所以如果换了一个数据非常大的题目呢，肯定超时呀，所以也不是万能的
别忘了标题写着什么，没错，这道题就是要用动态规划，将求n个数的数组的最大子段和，我们可以从第一个找到第n个，分别记录每个数字结尾的最大字段和，在进行比较，输出最大的。

代码懒得打，所以从一位大佬那里找了一份，大佬传送门
此题传送门

代码如下:

def Solution(nums):
    if len(nums) == 0:
        return 0
    if len(nums) == 1:
        return nums[0]
    dp = []
    dp.append(nums[0])
    dp.append(max(nums[0],nums[1]))
    for i in range(2,len(nums)):
        dp.append(max(dp[i-1],dp[i-2]+nums[i]))
    return dp[len(nums)-1]
print(Solution([0,0]))

最后，总结一下解题方法：

1. 先读题，确定此题运用动态规划解决
2. 分解大问题为子问题，找不相同的地方作为参数
3. 实施方案解决子问题
4. 感觉有点简略，多写一行凑数

好吧今天就这样了，明天附上补充