算法（动态规划）----判断子序列

判断子序列

给定字符串 s 和 t ，判断 s 是否为 t 的子序列。

你可以认为 s 和 t 中仅包含英文小写字母。字符串 t 可能会很长（长度 ~= 500,000），而 s 是个短字符串（长度 <=100）。

字符串的一个子序列是原始字符串删除一些（也可以不删除）字符而不改变剩余字符相对位置形成的新字符串。（例如，"ace"是"abcde"的一个子序列，而"aec"不是）。

示例：

示例 1:
s = "abc", t = "ahbgdc"

返回 true.

示例 2:
s = "axc", t = "ahbgdc"

 一般解法

这题虽然有动态规划的标签，但不用动态规划也可以很容易完成，时间复杂度为O(n)。只需要遍历一些长字符串，在遍历过程中判断遍历的元素和短字符串中的元素是否相同。

public boolean isSubsequence(String s, String t) {
		if(s.equals("")){
			return true;
		}
		int index=0;
		
		for(int i=0;i<t.length();i++){
			
			if(t.charAt(i)==s.charAt(index)){
				index++;
			}
			if(index==s.length()){
				return true;
			}
		}
	
		return false;
    }

动态规划

子序列系列的题目，动态规划是很好的解法。虽然这道题遍历一次就可以得出结果，但对于更高难度的题目，这种方法是完全行不通的，所以，我们依然有必要学会用动规解决这道题目。

思想：

1.这道题无非就是判断从字符串t中能否选出几个字符可以拼成字符串s，那么对于t字符串中的每一个字符都有选或者不选两种选择。这个便是递归的思想

2.而我们这里需要用dp数组记录计算过程，因此我们还需确定在计算过程中，不同的选择会导致那些状态。

2.从题目我们可以看出，dp数组应该有两个约束状态：

•   字符串t的长度
•   最多选出s.len个字符 
•   当前已经从s中选出了几个字符

所以dp数组可以写成二维的形式：

dp[x][y]:

       x代表已经从t中选择了几个字符，x<=s.len ,

       y代表长字符串t从0~x位置的字符串，

状态转移方程：

if s.charAt(x)==t.charAt(y)  dp[x][y]=dp[x-1][y-1]

else dp[x][y]=dp[x][y-1]

即：如果x和y位置的字符相同，那么x位置上的这个字符肯定是t的子字符串，这个时候，如果0-x-1位置上的字符串也是t的子字符串，那么0-x位置的字符串就是t的子字符串。

       如果x和y位置的字符不相同，那么我们需要看s 字符串0~x的位置上的字符是不是t字符串0~y-1位置上字符串的子字符串

public static boolean isSubsequence(String s, String t) {
		int x = s.length();
		int y = t.length();
		boolean[][] dp = new boolean[x + 1][y + 1];
		for (int i = 0; i <= y; i++) {
			dp[0][i] = true;
		}

		for (int i = 1; i <= x; i++) {
			for (int j = 1; j <= y; j++) {
				if (s.charAt(i - 1) == t.charAt(j - 1)) {
					dp[i][j] = dp[i - 1][j - 1];
				} else {
					dp[i][j] = dp[i][j - 1];
				}
			}

		}
		return dp[x][y];
	}