课程5: dp问题1，滚动数组优化，博弈类，记忆化搜索

Longest Increasing Continuous Subsequence：左边找一下，右边找一下

Maximum Subarray：好像用不到动态规划

Maximal Square：square利用边的性质来做递推

Longest Palindromic Substring：好像直接扩张就可以了，也用不上动态规划

Coins in a Line II：博弈类问题，直接只考虑一个人的就好

Coins in a Line：和上面那题一样

House Robber：简单的dp

Maximum Product Subarray：简单的dp

Longest Increasing Subsequence：LIS，经典的dp

Longest Increasing Continuous Subsequence II：滑雪道问题，状态为以某个点为终点的最长递减路径，用记忆化搜索来做

Maximal Square II：和1很相似

课程6: dp问题2，区间dp，背包问题，双串比较

Scramble String: 算是记忆化搜索类吧

Longest Common Subsequence：简单的二重匹配

Edit Distance：同样简单的二重匹配

终点复习背包问题1，2，3，4，5，6

Distinct Subsequences：挺直观的双链匹配

Interleaving String：也算是挺简单的一道

Minimum Adjustment Cost: D[i][v]: 把index = i的值修改为v，所需要的最小花费，也就是i-1个值调整到j，然后把i位调整到k时候的最小花费

Burst Balloons：区间dp，和下面那题是一样的，都先找到分割点，然后用记忆化搜索来做

Stone Game ：区间dp，找到分割点，也就是当合并i_{j的时候，以k为断点，也就是合并i}k,合并k+1~j然后再把这两个合并起来，有些记忆化搜索的意思

Maximal Square II：和maximal square 很类似只是判定条件变了一点点

Post Office Problem：dp[i][l]＝dp[j][l-1] + dis[j+1][i] (l-1<=j<i)。其中dp[i][l]表示在前i个村庄中建l个post的最短距离，j为分隔点，可以将问题转化为在前j个村庄建l－1个post的最短距离＋在第j＋1到第i个村庄建1个post的最短距离。其中有个性质，如元素是单调排列的，则在中间位置到各个元素的距离和最小。

k sum: 用三维动态规划。ksum[i][j][l]表示前j个元素里面取l个元素之和为i。
初始化：ksum[0][j][0] =1(j:0~n)，即前j个元素里面取0个元素使其和为0的方法只有1种，那就是什么都不取 ksum[i][j][l]=ksum[i][j-1][l]+ksum[i-A[i-1]][j-1][l-1]

Best Time to Buy and Sell Stock IV:dp[i][j] 对前j个元素进行最多i次transactions获取的最大值

K Edit Distance： 实在是太麻烦了，还有那题等Google面试完再看吧，真是太复杂了

copy books II: 可以用dp也可以用二分法，不过我已经看不下去了，休息一下