动态规划DP算法的思想简介和在oj上刷的一个例子

DP算法的思想
 （1将待求解的问题分解称若干个子问题，并存储子问题的解而避免计算重复的子问题，并由子问题的解得到原问题的解。
 （2动态规划算法通常用于求解具有某种最有性质的问题。
 （3动态规划算法的基本要素：最优子结构性质和重叠子问题。最优子结构性质：问题的最优解包含着它的子问题的最优解。即不管前面的策略如何，此后的决策必须是基于当前状态（由上一次的决策产生）的最优决策。重叠子问题：在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些问题被反复计算多次。对每个子问题只解一次，然后将其解保存起来，以后再遇到同样的问题时就可以直接引用，不必重新求解。

动态规划算法的四步：
（1刻画最优解的结构特性。（一维、二维、三维数组）；
（2递归的定义最优解。（状态转移方程）
（3以自底向上的方法来计算最优解。
（4从计算得到的解来构造一个最优解。

例子：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-cooldown/comments/

力扣309. 最佳买卖股票时机含冷冻期

持有股票
无股票
一个dp数组对应一种状态，也就是用hold_dp数组记录当天持有股票的最大利润，用unhold_dp数组记录当天不持有股票的最大利润。
持有股票状态：
昨天持有，今天继续持有，对应就是hold_dp[i] = hold_dp[i-1]
前天卖掉了，今天买回来，对应就是hold_dp[i] = unhold_dp[i-2] - prices[i]
无股票状态：
昨天持有，今天卖掉了，对应就是unhold_dp[i] = hold_dp[i-1] + prices[i]
昨天无，今天无unhold_dp[i] = unhold_dp[i-1]

class Solution {
public:
    int maxProfit(vector<int> &prices) {
        int n = prices.size();
        if (n <= 1) return 0;
        vector<int> hold_dp(n);
        vector<int> unhold_dp = hold_dp;
        hold_dp[0] = -prices[0];
        hold_dp[1] = max(hold_dp[0], -prices[1]);
        unhold_dp[0] = 0;
        unhold_dp[1] = max(0, prices[1] - prices[0]);
        for (int i = 2; i < n; i++) {
            hold_dp[i] = max(unhold_dp[i-2] - prices[i], hold_dp[i-1]);
            unhold_dp[i] = max(hold[i-1] + prices[i], unhold_dp[i-1]);
        }
        return max(hold_dp[n-1], unhold_dp[n-1]);
    }
};