参考视频：5 Simple Steps for Solving Dynamic Programming Problems
引子：最长递增子串（Longest Increasing Subsequence，LIS）
LIS([3 1 8 2 5]) = len([1 2 5]) = 3
LIS([5 2 8 6 3 6 9 5]) = len([2 3 6 9]) = 4
解决问题的三个步骤：
- 可视化例子（visualize example）
（“visualize example”应该是用数据结构表示问题的意思）
使用有向无环图作为工具（directed acyclic graph）
比如[3 1 8 2 5]的LIS的有向无环图就是1->2->5
求LIS的长度就是求有向无环图的最长路径+1
即：LIS = Longest Path in DAG + 1
假如A=[5 2 8 6 3 6 9 5]，要求LIS[5]，怎么办？
LIS[5] = 1 + max
- 找到问题的子问题（find a appropriate sub-problem）
所有递增子串是原序列的子集；所有递增子串都有头和尾，并且无论头还是尾节点都在原序列中；
因此可以改变头或者尾来得到一个子问题，这里选择尾节点，即：
LIS[k] = LIS ending at index k例如对于[3 1 8 2 5]，LIS[3] = 2，因为以index=3（即2）的节点为结尾，能找到的LIS就是[1 2]，故长度为3。
- 找到各个子问题之间的关系
首先思考，在[3 1 8 2 5]中，LIS[4]和之前的子串的关系是什么？
答案是：以index=4为结尾的LIS的前一个节点，有可能是index=0,1,3三种情况（3->5，1->5，1->2->5）
故而要求最长的长度，就是在所有可能的情况中，选出一种最长的再加1，即LIS[4] = max{LIS[0], LIS[1], LIS[3]} + 1
若A=[5 2 8 6 3 6 9 5]，求LIS[5]：
LIS[5] = 1 + max
- 算法 Programming Dynamic 笔记 动态算法programming dynamic笔记 矩阵programming dynamic动态 算法 数据结构programming dynamic 算法programing dynamic动态 programming dynamic basic main programming dynamic programming principle dynamic basic programming subsequence algorithm dynamic programming algorithm dynamic drawing dynamic动态json