动态规划算法补充

放苹果问题，把m个苹果，放在n个盘子里面。
数据初始化：

int[][] dp = new int[m+1][n+1]; //至于这个状态转移方程为什么加1，是因为从1开始更有意义吧。
dp[1][n] = 1; //只有一个苹果就一种方法
dp[m][1] = 1; //只有一个盘子也就一种方法

方程式：

dp[i][j] = dp[i][j-1]+dp[i-j][j]; //需要考虑边界问题

之所以整理这个问题，是因为这个问题跟01背包和购物单有所不同。
最开始我时想到了，每增加一个盘子，应该是少一个盘子然后加上一个数，我就奔着这个数去了，怎么都不对。

思路就是，还是得看前面的状态，应该描述成为少一个盘子的状态加上另外一种状态，这个方向就对了，只有方向对了，代码调试才有意义，否则，代码会教会你什么叫做南辕北辙！

这里要描述的就是 每增加一个盘子，要么空着，要么不空着，空着比较好理解，放法就是上一步的状态dp[i][j-1]。
不空着呢？ 必须得保证每个盘子有一个桃子，然后剩下了i-j个，怎么把i-j个放在j个盘子里面，前面的步骤已经计算过了直接拿来用。

然后这个跟01背包问题的区别呢？01背包问题，要解决的放不放谁的价值更大，这个逻辑比较通畅，是两种状态的比较。
而这个放苹果的问题，不是比较大小，而是跟斐波那契数列一样是状态的总和，斐波那契数列的状态转移方程很明确，就是n = (n-1) + (n-2),而这个放苹果的状态转移方程有个弯弯绕。如果理解不出来这个总和的含义，是做不出来的。
昨天做的那个购物单的问题，也是状态的比较，买或者不买，只不过比背包问题多了附件的复杂度。要买附件得去除两件或者三件。
所以动态规划问题，现在被分成了两部分，一个就是状态的比较问题，找出两种状态比较一下；另一个就是状态的总和问题，是两种状态相加，可能比较复杂一点。