583.两个字符串删除操作

思路：第一个方法递归，显然时间复杂度很高，果然不出所料超出时间限制。

class Solution {
    int Sum(const string& a,const string& b,int i,int j)
    {
        if(i<0||j<0) return 0;
        if(a[i]==b[j])  return 1+Sum(a,b,i-1,j-1);
        else return max(Sum(a,b,i,j-1),Sum(a,b,i-1,j));
    }
public:
    int minDistance(string word1, string word2) {
        return word1.size()+word2.size()-2*Sum(word1,word2,word1.size()-1,word2.size()-1);
    }
};

第二个思路，就是动态规划了，dp[i][j]是指的字符串1的前i个字符与字符串2的前j个字符相匹配的最大个数
对于dp[i][j]来说他有三种途径得来：1.dp[i-1][j-1]而来，如果对于a[i-1]和b[j-1]相等，则dp[i][j]=dp[i-1][j-1]+1
2.不相等时，dp[i][j]也会取dp[i-1][j]和dp[i][j-1]的最大值，其实画个二维表就很好理解了。

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size()+1,vector<int>(word2.size()+1));
        for(int i=1;i<=word1.size();++i)
        {
            for(int j=1;j<=word2.size();++j)
            {
                if(word1[i-1]==word2[j-1])
                   dp[i][j]=1+dp[i-1][j-1];
                dp[i][j]=max(max(dp[i][j],dp[i-1][j]),dp[i][j-1]);
            }
        }
        return word1.size()+word2.size()-2*dp[word1.size()][word2.size()];
    }
};

像对于求这种不连续的最大公共子串就用动态规划最好。