算法

dp的两大优势： 1. dp数组缓存结果，避免重复计算； 2. 可以假定规模N-1的解已知，理解了N-1如何到达N即可求解。

动态规划用于解最优化问题，可以假定N-1规模的解已经得到了，思考怎么从N-1状态到达N状态，得到这个递推关系，最后设定1规模下的解。剩下的交给框架就好了。

```cpp class Solution { public: string longestPalindrome(string s) { // 边缘场景 if(s.empty()) { return

动态规划的本质是缓存低阶规模问题的结果直接给高阶规模的问题用以免于重复计算，原问题该怎么解还是怎么解。怎么设计dp状态，，在哪一步开始用动态规划，都是自己要考虑的问题

动态规划典型问题之凑零钱问题，该问题的特殊点在于问题规模是以面值来衡量，实际做法是通过枚举方式来更新动态数组，通过递推关系利用已知规模问题的状态计算未知规模问题的状态。本质还是枚举，但减少了重复计算。

AVL树 是一棵二叉树，任意节点至多2个子节点； 任一节点的左子节点的数据都比自身数据小，右子节点的数据都比自身数据大； 任意节点的子树高度之差不超过1。 AVL树 “插入删除三步走” 找到要插入、删