动态规划

动态规划是一种用来解决最优化问题的算法思想，其会记录下子问题的最优解，综合子问题的最优解得到最优解。
上面有两个关键，划分子问题和记录子问题，其中划分子问题有一个重要的状态转移方程。
一般解决步骤如下：
1.确定维数，确定dp数组。
2.每一维采用下面表述，为i或者前i。
3.之后问题可以描述为dp[i]为恰好为i（或者前i）的XXX（问题描述），然后思考dp[i-1]得出状态转移方程。

动态规划的题目主要可能得多看习题领悟，这里针对典型例题来领悟动态规划的过程。
最大连续子序列和
问题：给定一个序列（整数或浮点数），求出其中连续的子序列和最大的那一个。
例：序列{-10 1 2 3 4 -5 -23 3 7 -21}，其最大的连续子序列为{1 2 3 4}或{3 7}，最大和为10。

首先涉及到一个序列，应该是一维问题，应该可以用一个一维数组来记录子问题的最优解，第二步dp[i]表述恰好为i时在最大连续和(前i肯定不合适），第三步思考dp[i-1]和dp[i] 的关系，如果dp[i-1]<0,显然dp[i]=a[i],否则加上前面的dp[i-1]dp[i]肯定更大，于是状态转移方程得出。最后问题思考的序列完找出dp[i]最大的即可。

附代码如下：

#include<iostream>
#include<algorithm>
using namespace std;
const int maxn=10001;
int dp[maxn],a[maxn];//dp[i] 表示结尾恰好为i时最大和 


int main(){
   
	int n;
	while(scanf("%d",&n),n){
   
		fill(dp,dp+n+1,-1);
		for(int i=1;i<=n;i++)
		scanf("%d",&a[i]);
		int max=-100000,k=-1;
		
		for(int i=1;i<=n;i++)
		{
   
			if(dp[i-