动态规划（DP）算法

今天玩LeetCode的时候遇到了一道动态规划的题，题目是这样的：

Find the contiguous subarray within an array (containing at least one number) which has the largest sum.

For example, given the array [-2,1,-3,4,-1,2,1,-5,4],
the contiguous subarray [4,-1,2,1] has the largest sum = 6.

就是给定一个数组，找出数组中最大子序列的和。

因为刚研究算法没多长时间，所以不知道动态规划算法，对于这道题也无从下手，总是觉得要多次遍历数组，然后挨个累加，最后再比较大小，想想都麻烦，看了dp算法之后才发现自己的想法是dp算法的最原始框架

看了LeetCode的discuss的解法：

public static int maxSubArray(int[] nums) {
		/*int maxSoFar=nums[0], maxEndingHere=nums[0];
	    for (int i=1;i<nums.length;++i){
	    	maxEndingHere= Math.max(maxEndingHere+nums[i],nums[i]);
	    	maxSoFar=Math.max(maxSoFar, maxEndingHere);	
	    }
	    System.out.println(Arrays.toString(nums));
	    return maxSoFar;*/
	      int n = nums.length;
	    int[] dp = new int[n];//dp[i] means the maximum subarray ending with A[i];
	    dp[0] = nums[0];
	    int max = dp[0];
	    for(int i = 1; i < n; i++){
	        dp[i] = nums[i] + (dp[i - 1] > 0 ? dp[i - 1] : 0);
	        max = Math.max(max, dp[i]);
	    }
	    return max;
    }

注释的也是一种解法，不过感觉虽然代码少，但是晦涩一些。

然后就开始研究DP算法：

对于概念，还是不多说了：就是在问题一堆解中求问题的最优解

然后是分类，copy网上的：

线性动规：拦截导弹，合唱队形，挖地雷，建学校，剑客决斗等；

区域动规：石子合并， 加分二叉树，统计单词个数，炮兵布阵等；

树形动规：贪吃的九头龙，二分查找树，聚会的欢乐，数字三角形等；

背包问题：01背包问题，完全背包问题，分组背包问题，二维背包，装箱问题，挤牛奶（ 同济ACM第1132题）等；

再回到LeetCode这道题目上，我遇到这种问题的时候，一般在想的是：穷举所有的情况，然后比较：

如果是这个想法：

第一次比较的所有数组是：【-2】，【-2,1】，【-2,1，-3】，【-2,1，-3,4】，【-2,1，-3,4，-1】，【-2,1，-3,4，-1,2】，【-2,1，-3,4，-1,2，1】，【-2,1，-3,4，-1,2，1，-5】，【-2,1，-3,4，-1,2，1，-5,4】然后在这里面找出最大的和，记录下来

第二次比较的所有数组是：【1】，【1，-3】，【1，-3,4】，【1，-3,4，-1】，【1，-3,4，-1，2】，【1，-3,4，-1,2,1】，【1，-3,4，-1,2,1，-5】，【1，-3,4，-1,2,1，-5,4】再找出最大的和，和第一次的比较，重置一下最大的和

。。。。。。。。依次类推，直到扫描到最后就剩下一个数组

这是常规想法，不过这样的时间复杂度是O(n²)