代码随想录训练营：1.不相交的线、2.最大子序和、3.判断子序列、4.不同的子序列、5.两个字符串的删除操作、6.编辑距离。

1.不相交的线：代码随想录

        1.此题把外衣脱掉之后，就相当于是上一题，求两个字符串的最长公共子序列。

2.最大子序和：代码随想录

        1.此题重要的是递推公式，有两个方向可以推导，一个就是当前的值（若dp[i-1]为负数），另一个是当前的值加dp[i-1]（若dp[i-1]为正数）。最后取两者更大的哪一个。

        2.此题中最后return的也是数组中的最大值，而不是最后一个数。

        3.为啥不能用nums【i】是否大于0来递推呢，如若nums[i] >0,dp[i] = dp[i-1]+nums[i],

        若nums[i] < 0,dp[i] = dp[i-1].因为若nums[i]全部负数的话，就完全行不通，可以和原来的递推          公式相对比。

        4.疑问：看卡哥的题解，为啥dp[2] = -2,而不是dp[2] = 1,因为为了保持连续，dp[i]一定是包括了nums[i],不会不包括nums[i]，所以递推公式就要通过是否加d[i]来比较哪个更大。

3.判断子序列：代码随想录

        1.此题递推公式和之前题目又有些不同，在此我们将之前几个题目对比一下。

最长公共子序列推导方向如下：

最长重复子数组的推导方向如下：只能通过左上角来推导右下角。

而本题“判断子序列”中推导公式如下：

因为题目条件和最后求取的不同，这些递推公式也不一样。对照理解一下。

        2.本题中最后也是对dp二维数组中最后一个值进行判断。

4.不同的子序列：代码随想录

        1.我觉得写的有点问题“一部分是用s[i - 1]来匹配，那么个数为dp[i - 1][j - 1]。”dp[i - 1][j - 1]这个应该是表示以[i-2]结尾的s子序列中出现以j-2结尾的t子序列的个数，这个也没有包括s[i - 1]啊！

        1.1通过思考，我明白了，可以举个栗子，比如s：abcde;  t:  bde.，当s中遍历到d，t中也遍历到d时，此时相当于s[i - 1] 与 t[j - 1]相等，由于二者相等，所以这时只用看此时s和t中除去这个元素外，s中出现的t的元素也就是dp[i - 1][j - 1]。就像举的例子中，s数组d之前的子数组：abc，出现t数组中d之前子数组：b的次数为1，那么数组s和t加上这个相同的元素d之后，abcd中出现bd的次数还是1.这就解答了刚才的疑问，包括了s[i-1]的式子要前面的dp值递推出来，而这种情况中dp[i - 1][j - 1]就是dp[i][j]的递推公式。

        2.“一部分是不用s[i - 1]来匹配，个数为dp[i - 1][j]。”不用s[i - 1]来匹配的意思可以这么来理解，还是用上一个例子，此时s中不包括d的子数组为：abc；而t中参与匹配的子数组包括了d，   为bd。dp[i - 1][j]此时意思就是在abc中bd出现的次数。此时就相当于没有考虑s[i - 1]。可以理解为若考虑s[i - 1]，则s子数组和t子数组同时消除s[i - 1]（t[i - 1]），若不考虑s[i-1]则是s子数组消除s[i - 1]的同时t子数组不消除t[i - 1]。

        3.正是由于以上两个原因，使得是否用s[i - 1]来匹配最终的递推公式的变化在j上，困惑了我一点时间。

4.此时递推公式的方向和前面的又不一样。是从左上角和正上方推的。

5.两个字符串的删除操作：代码随想录

        1.有了上一题的基础，在这个题目里，我们就能很容易的理解这个递推公式的意思。卡哥选题目还是层层递进的。若二刷的时候又有些不理解了，可以举一个例子：word1(s,e,a,t,b);word2(e,a,t),把递推公式的四种情况全部都模拟一下，理解理解。

        2.因为dp[i - 1][j - 1] + 1等于 dp[i - 1][j] 或 dp[i][j - 1]，这个也可以根据dp[i][j]的定义来推出来。

        3.此题的推导方向为左上，左，上，三个方向。和最长公共序列是一样的。

        4.若word1[i-1]不等于word2[j-1]，最后是取

dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1);

 而不是max，不要弄错了。

        5.果然，这道题目仔细理解，其实含义和最长公共子序列是一样的。可以用最长公共子序列的方法来做。这个更简单。用这种方法做，最后return的时候记得

 return word1.size()+word2.size()-dp[word1.size()][word2.size()]*2;

一定要记得*2最后。

6.编辑距离：代码随想录

        1.“操作二：word2删除一个元素，那么就是以下标i - 1为结尾的word1 与 j-2为结尾的word2的最近编辑距离 再加上一个操作。即 dp[i][j] = dp[i][j - 1] + 1;”其实这个操作就相当于是假设word2中目前没有word2[i-1]这个数，word1字符串目前需要dp[i][j-1]步变成没有word2[i-1]的word2字符串，此时word1字符串再添加word2[i-1]这个数就可以了，所以这个操作相当于是word1添加的操作。