动态规划模板

状态定义：定义dp[i]ordp[i][j],确定dp数组代表的意义；

转移方程：根据dp数组意义，确定状态转移方程，即由已知的dp[i-1]求dp[i]的过程；

初始状态：确定dp数组的初始状态，一般是dp[0]ordp[0][0]ordp[0][...]等；

返回值：根据最终求得的dp数组求需要的返回值；

优化：有的时候可以对时间或者空间复杂度进一步优化。

例题：连续子数组的最大和

题目：输入一个整型数组，数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度为O(n)。

思路：

状态定义： 设动态规划列表 dp，dp[i]代表以元素nums[i] 为结尾的连续子数组最大和。

为何定义最大和dp[i] 中必须包含元素nums[i] ：保证dp[i] 递推到dp[i+1] 的正确性；如果不包含nums[i]，递推时则不满足题目的连续子数组要求。
转移方程： 若 |dp[i-1] |≤0 ，说明 dp[i - 1]对dp[i]产生负贡献，即dp[i-1] + nums[i]还不如 nums[i]本身大。

初始状态： dp[0] = nums[0],即以nums[0]结尾的连续子数组最大和为nums[0] 。

返回值： 返回 dp列表中的最大值,代表全局最大值。

优化：空间复杂度降低：
由于dp[i] 只与dp[i-1]和 nums[i]有关系，因此可以将原数组 nums用作dp列表，即直接在nums上修改即可。
由于省去dp列表使用的额外空间，因此空间复杂度从O(N)降至O(1)。