动态规划——不同的子序列

今日leetcode的每日一题，，从未写过动态规划，直接懵逼 : (

什么是动态规划

https://www.cnblogs.com/hithongming/p/9229871.html

基本思想：

问题的最优解如果可以由子问题的最优解推导得到，则可以先求解子问题的最优解，在构造原问题的最优解；若子问题有较多的重复出现，则可以自底向上从最终子问题向原问题逐步求解。

动态规划特点：

• 把原始问题划分成一系列子问题；
• 求解每个子问题仅一次，并将其结果保存在一个表中，以后用到时直接存取，不重复计算，节省计算时间
• 自底向上地计算。
• 整体问题最优解取决于子问题的最优解（状态转移方程）（将子问题称为状态，最终状态的求解归结为其他状态的求解）

不同的子序列

https://leetcode-cn.com/problems/distinct-subsequences/solution/bu-tong-de-zi-xu-lie-by-leetcode-solutio-urw3/

题目

给定一个字符串 s 和一个字符串 t ，计算在 s 的子序列中 t 出现的个数。

字符串的一个 子序列 是指，通过删除一些（也可以不删除）字符且不干扰剩余字符相对位置所组成的新字符串。（例如，“ACE” 是 “ABCDE” 的一个子序列，而 “AEC” 不是）

题目数据保证答案符合 32 位带符号整数范围。

示例：
输入：s = "babgbag", t = "bag"
输出：5
解释：
如下图所示, 有 5 种可以从 s 中得到 "bag" 的方案。 
(上箭头符号 ^ 表示选取的字母)
babgbag
^^ ^
babgbag
^^    ^
babgbag
^    ^^
babgbag
  ^  ^^
babgbag
    ^^^

思路

以下为leetcode官方题解
引用部分为个人添加的解释

假设字符串 s 和 t 的长度分别为 m 和 n。如果 t 是 s 的子序列，则 s 的长度一定大于或等于 t 的长度，即只有当 m≥n 时，t 才可能是 s 的子序列。如果 m<n，则 t 一定不是 s 的子序列，因此直接返回 0。

当 m≥n 时，可以通过动态规划的方法计算在 s 的子序列中 t 出现的个数。

创建二维数组 dp，其中 dp[i][j] 表示在 s[i:]] 的子序列中 t[j:] 出现的个数。

上述表示中，s[i:] 表示 s 从下标 i 到末尾的子字符串，t[j:] 表示 tt 从下标 j 到末尾的子字符串。

如：dp[1][1] 为 “abgbag” 中子序列 “ag” 出现的个数为 3

考虑动态规划的边界情况：

• 当 j=n 时，t[j:] 为空字符串，由于空字符串是任何字符串的子序列，因此对任意 0≤i≤m，有 dp[i][n]=1；

• 当 i=