题目1： 【动态规划（求解最长递增子序列(LIS)）】 一个序列有N个数A[1],A[2],…,A[N]，求出最长非降子序列的长度。 (DP经典问题LIS：longest increasing subsequence)
注意：此处的子序列不一定是连续的，这跟最大连续子序列求和不一样！ 分析：最长非降子序列本身也是一个序列，那么它肯定以某个A[i]结尾。我们定义d(i)，表示前0~i个数的最长非降子序列的长度,并且这个最长非降子序列的结尾元素必须是A[i]，则动态规划转移方程为：
d(i) = max{1, d(j)+1},其中j即想要求d(i)，就把i前面的各个子序列中， 最后一个数不大于A[i]的序列长度加1，然后取出最大的长度即为d(i)。 当然了，有可能i前面的各个子序列中最后一个数都大于A[i]，那么d(i)=1， 即它自身成为一个长度为1的子序列。
#include
using namespace std;
int lis(int A[], int n){
int *d = new int[n];
int len = 1;
for(int i=0;
id[i])
d[i] = d[j] + 1;
if(d[i]>len) len = d[i];
}
delete[] d;
return len;
}
int main(){
int A[] = {
5, 3, 4, 8, 6, 7
};
cout< 题目2: 平面上有N*M个格子，每个格子中放着一定数量的苹果。你从左上角的格子开始， 每一步只能向下走或是向右走，每次走到一个格子上就把格子里的苹果收集起来， 这样下去，你最多能收集到多少个苹果。
解这个问题与解其它的DP问题几乎没有什么两样。第一步找到问题的“状态”， 第二步找到“状态转移方程”，然后基本上问题就解决了。
首先，我们要找到这个问题中的“状态”是什么？我们必须注意到的一点是， 到达一个格子的方式最多只有两种：从左边来的(除了第一列)和从上边来的(除了第一行)。 因此为了求出到达当前格子后最多能收集到多少个苹果， 我们就要先去考察那些能到达当前这个格子的格子，到达它们最多能收集到多少个苹果。 (是不是有点绕，但这句话的本质其实是DP的关键：欲求问题的解，先要去求子问题的解)
经过上面的分析，很容易可以得出问题的状态和状态转移方程。 状态S[i][j]表示我们走到(i, j)这个格子时，最多能收集到多少个苹果。那么， 状态转移方程如下：
S[i][j]=A[i][j] + max(S[i-1][j], if i>0 ;
S[i][j-1], if j>0)
其中i代表行，j代表列，下标均从0开始；A[i][j]代表格子(i, j)处的苹果数量。
S[i][j]有两种计算方式：1.以行循环，从左向右计算，然后从上到下逐行处理；2. 以列循环，从上到下计算，然后从左向右逐列处理。 这样做的目的是为了在计算S[i][j]时，S[i-1][j]和S[i][j-1]都已经计算出来了。
