动态规划算法理解

从具体到抽象，在leetcode一道题开始理解！最长回文子序列!
给定一个字符串s，找到其中最长的回文子序列的长度…

动态规划算法（官方定义）：
动态规划算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。
动态规划算法的基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题，最后一个子问题就是初始问题的解。

题目分析：
给定的字符串s的长度为n，设最长回文子序列的长度为f(0, n-1)

• 假设首尾的字符相同，则最长回文子序列的长度就是“排除首尾字符后的字符串的最长回文子序列的长度再加上两个字符串长度”，即f(0, n-1) = f(1, n-2) +2
• 假设首尾的字符不相同，则最长回文子序列的长度就是“最大排除(首/尾)单字符后的字符串的最长回文子序列的长度”， 即f(0, n-1) = max(f(1,n-1), f(0, n-2))

class Solution:
    def longestPalindromeSubseq(self, s: str) -> int:
        s_len = len(s)
        dp = [[0] * s_len for _ in range(s_len)]
        
        for i in range(s_len):
            dp[i][i] = 1
            for j in reversed(range(i)):
                if s[i] == s[j]:
                    dp[j][i] = dp[j + 1][i - 1] + 2
                else:
                    dp[j][i] = max(dp[j + 1][i], dp[j][i - 1])

        return dp[0][s_len - 1]