📄️ 6.1 算法解釋
這裡我們引用一下維基百科的描述：「動態規劃（Dynamic Programming, DP）在尋找有許多重疊子問題情況的最優解時非常有效。它將問題重新分解成子問題。為了避免多次解決這些子問題，它們的結果會逐步被計算並保存， 從簡單的問題開始，直到整個問題被解決。因此，動態規劃保存遞迴中的結果，從而避免在解決相同問題時浪費時間⋯⋯ 動態規劃只能應用於有最優子結構的問題。最優子結構的意思是，局部最優解能夠決定全局最優解（對某些問題來說這個要求不完全滿足，因此有時需要引入一定的近似）。簡單來說，問題能夠分解成子問題來解決。」
📄️ 6.2 基本動態規劃：一維
70. Climbing Stairs
📄️ 6.3 基本動態規劃：二維
64. Minimum Path Sum
📄️ 6.4 分割類型題
279. Perfect Squares
📄️ 6.5 子序列問題
300. Longest Increasing Subsequence
📄️ 6.6 背包問題
背包問題（knapsack problem） 是一種組合優化的 NP 完全問題：有 n 個物品和載重為 w 的背包，每個物品都有自己的重量 weight 和價值 value，求拿哪些物品可以使得背包所裝下物品的總價值最大。如果限定每種物品只能選擇 0 個或 1 個，則問題稱為 0-1 背包問題（0-1 knapsack）；如果不限定每種物品的數量，則問題稱為 無界背包問題或完全背包問題（unbounded knapsack）。
📄️ 6.7 字符串編輯
72. Edit Distance
📄️ 6.8 股票交易
股票交易類問題通常可以用動態規劃來解決。對於稍微複雜一些的股票交易類問題，比如需要冷卻時間或者交易費用，則可以通過動態規劃實現的狀態機來解決。
📄️ 6.9 練習
基礎難度