DP

1.动态规划：

动态规划最主要的是问题的子问题是最优解，整个问题便具有最优解。

2.最长上升子序列：

最长上升子序列的目的是找到一串数字中最长的递增子序列，相对于麻烦的是，子序列可以是不连续的。所以，我将子序列的长度从0开始到数组的长度，每一次循环，i都指向了选中长度的末端，j从0遍历到i-1
len数组存放的是该点对应的最长子序列的长度。
第17行，遍历a[0]到a[i-1]的数，如果有小于i并且有长度更大值的便写入（小于i是因为要求上升子序列，i作为子序列最末端的元素自然要最大，也不能等于i，）
第20行，是将末端元素i的长度加进去。
maxsize是在j遍历完成后，存储现在子序列长度的最大值。
从整体来看，因为，i，j都是从0开始，子序列的长度也是从0开始。那么每一次的遍历，都会基于上一次的最优解。便可以将最优的解存入len数组。

3.最长回文子串：

与最长上升子序列不同的是，回文字串是要求不断开的，所以在这里就不用让子序列的长度从0到n。
这里，我们让i从0到n，j在0-i的范围内进行遍历操作。s存放的是字符串，maxsize存放的是最长回文字符串的长度。dp是数组是表示i，j所指向的对象以及之前的数是否相同是否相同，相同为1，不同为0.

第18行，当i-j小于2时，长度为1.所以，如果s[i]==s[j]他们的长度就为1。
第21行，要使dp为1，必须是当前的i，j相等，并且中间的字符串也要相等。例如，如果i=5，j=1；
如果要使dp[1][5]=1,则dp[2][4]也要为1，而dp[2][4]为1的前提是dp[3][3]相等，s[2]和s[4]相同。所以这样的情况下，dp[j][i]为1，j-i一定为回文字串。
所以第22行，判断的前提是dp[j][i]==1，并且maxsize<i-j+1,(比如2到4，它的长度是4-2+1)

4.最长回文子序列

与最长回文字串不同的是，最长回文子序列也可以是不连续的，所以我们同样使子序列的长度从1到n，下图中，i为子序列的长度。j为子序列开始的位置，i+j为子序列结束的位置。
len存储的是子序列的最大长度。
有如下3种情况
（1）：当s[j]s[i+j]时，子序列两端字符相同（第25行）
（1）：i1时，子序列只有两个字符，所以长度为2（第28行）
（2）：当i>1时，此时子序列的长度为len[j+1][j+i-1]+2,(+2的原因是)
（2）：当s[j]！=s[i+j]时，首尾两字符不等，此时在len[j][i+j-1]和len[j+1][i+j]中选择最大值，然后再在最大值的基础上加上首位两个字符的长度。
最后，最大值一定是在len[0][n-1]中，代表字符数组的遍历从0开始，最大有n个

5.石子合并

初始化的时候，因为这是环形的，最后一堆石子是和第一个靠近的，所以num[n]至num[2n-2]将数据再次录入。

num[]数组存放没堆石子的数量，t代表已经加入的堆数，初始值为1，i指向开始处，j指向结尾处，k指向i与j的中点。
此处用k指向中点是为判断，i-k,与k-j之间的最优解（实际上是一个向左合并或向右合并的判断）。
第33行，num[j]-num[i-j]，是因为在t相同的情况下，i+1代表前移，自然要将新加入的值和去掉的值进行相减，才能保证数据的正确