算法心得--

1、动态规划

动态规划关键是递推式：：dp[i]或者dp[i][j]和历史值有什么关系；如：dp[i] = dp[]i-1]+dp[i-2]。。然后找初始值。
link

如下：斐波那契数列：0,1,1,2,3,5,8,12,21,34…
1、首先状态转移方程为：

f(n) = f(n-1)+f(n-2)

2、目标2,缓存并复用以往结果(完成)。图1的简单递归存在大量的重复任务。在线性规划解法中，我们把结果缓存在results列表,同时在results[i] = results[i-1] + results[i-2]中进行了复用。这相当于我们只需完成图2中红色部分的计算任务即可,时间复杂度瞬间降为O(n)

3、目标3，按顺序从小往大算（完成）。for循环实现了从0到​n的顺序求解，让问题按着从小规模往大规模求解的顺序走。

    public static int Fibonacci(int n) {
        int[] arr = new  int[n + 2];
        int i;
        arr[0] = 0;
        arr[1] = 1;
        if(n == 0){
            return arr[0];
        }
        else if(n == 1){
            return arr[1];
        }
        else{  
            for(i = 2; i <= n;i++){
                arr[i] = arr[i-2] + arr[i-1];
            }
            return arr[n];
        }
    }

例如：

HZ偶尔会拿些专业问题来忽悠那些非计算机专业的同学。今天测试组开完会后,他又发话了:在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边的正数会弥补它呢？例如:{6,-3,-2,7,-15,1,2,2},连续子向量的最大和为8(从第0个开始,到第3个为止)。给一个数组，返回它的最大连续子序列的和，你会不会被他忽悠住？(子向量的长度至少是1)

分析：位置i为最后元素的最大子数组dp[i]可以由：dp[i]=dp[i-1]+array[i](如果dp[i-1]>0)或者dp[i]=array[i]求出
1、首先状态转移方程为：dp[i]=dp[i-1]+array[i](如果dp[i-1]>0)或者dp[i]=array[i]
2、将以每个位置结尾的最大值存在临时变量res里，每次更新最大值
3、按顺序从小往大算（完成）

package M26TO30;

public class SoluFindGreatestSumOfSubArray {
    public static int FindGreatestSumOfSubArray(int[] array) {
        int n = array.length;
        int[] dp = new int[n+1];//包含array[i]的连续数组最大值
        dp[0] = array[0];//位置0处的最大值，即自己

        int ret = dp[0];//记录当前所有子数组的和的最大值
        for (int i=1; i<n; ++i) {
            if(dp[i-1]>0){
                dp[i] = dp[i-1]+array[i];
            }else{
                dp[i]=array[i];
            }
            ret = Math.max(ret, dp[i]);
        }
        return ret;
    }

    public static void main(String[] args) {
        int[] t =new int[]{1,-5,-10,5,12,15};
        System.out.println(FindGreatestSumOfSubArray(t));
    }
}

2- 二分法模板

二分查找的思路不难理解，但是边界条件容易出错，比如 循环结束条件中 left 和 right 的关系，更新 left 和 right
位置时要不要加 1 减 1。

下面给出两个可以直接套用的模板，记住就好了，免除边界条件出错。