疯狂 dp（一） 线性 dp

     动态规划是为了求解一种包含大量重叠子问题的最优化问题的方法。基本思想是，将原问题分解为若干相似的子问题，在求解的过程中通过子问题的解求出原问题的解。听起来和分治法很相似，但是，分治法只是不断地将问题分解成小问题求解，而动规之所以优秀是它会进行类似于记忆化搜索的过程，在求解的过程中把每一个子问题的解保存下来（不管后面会不会用到），然后在求解更大的问题时，从这些子问题的解里面寻求当前问题的最优解。所以，从这里也可以看出动规解法的限定条件是，该问题有一个最优子结构，就是由它分解出的子问题的解也是最优的。

   

    这样看起来是很抽象的，我们接下来一个个模型看下去吧。感觉对 dp 不太好分类，个人就做简单的整理，代码不对或是分类有问题请大家指出，谢谢！

    首先是线性动规。

     单调递增最长子序列

     这个问题的基本模型是，给一个序列，要求它的最长递增子序列，子序列的值是递增的，它的坐标在原序列中也是递增的，但不要求连续。

     如，给一串数字， 0 2 3 4 3 4 6  9 13 24 11 26，那么它的单调递增最长子序列就是 0 2 3 4 6 9 13 24 26

     给一串字母，a f r e f j l m o d, 单调递增最长子序列就是 a e f j l m o

     下面是求一个字母序列的单调递增子序列 

     原题：http://acm.nyist.net/JudgeOnline/problem.php?pid=17

     解1：

     输入字符串为 str, 用一个数组 dp 记录问题的解， dp[i] 表示以 str[i] 结束的单调递增最长子序列的长度。 

     状态转移方程： dp[i] = max(1, dp[j] + 1)  , str[j] < str[i]

     复杂度为 O（n^2）

      代码：    

#include <iostream>
#include <string>
#include <cstring>

using namespace std;

#define max(a,b) (a)>(b)?(a):(b)

int main()
{
	int dp[10001],ans;
	int T;
	cin>>T;
	while(T--)
	{
		ans = 1;
		string str;
		cin>>str;
		int n = str.size();
		for(int i = 0;i < n;++i)
		{
			dp[i] = 1;
			for(int j = 0;j < i;++j)
			{
				if(str[i] > str[j])
				{
					dp[i] = max(dp[i],dp[j] + 1);
					if(dp[i] > ans) ans = dp[i];
				}
			}
		}
		cout<<ans<<endl;
	}
	return 0;
}

    解二：

    数组 dp 存不是答案子序列，但它和子序列长度是一样的，因为它的不断更