动态规划题目

此类题目一般用于求有多少种方法居多，由于具有重叠子问题，所以采用自下而上的方式进行求解，需要定义最终的停止条件，状态转移方程等

比如在0-1背包问题中，要求最后的最优解，那么我们将C一步一步扩大，设定的矩阵是m*C+1，m代表物品的个数，那么dp[i][j]就表示在只有j容量的情况下，i个物品的最优解，最后右下角的值就是全局最优解。

现在是状态转移方程，

动态规划的核心都有一个要么要这个A，要么不要这个B，两种情况为事件整体。针对背包问题，如果当前背包容量能容纳i这个物品，那么就要考虑放不放，最后求最大值。
不放 ：dp[i][j] = dp[i-1][j]
放：dp[i][j] = V[i]+dp[i-1][j-w[i]]//由于背包是0-1的，不存在多个（完全背包），所以是i-1而不是i
然后两者求最值

动态规划就这样至下而上逐步求解底层的dp[i][j]并将其保存，方便下一次直接使用（解决了递归中子问题的重叠）。

再比如

leetcode 1143 最长公共子序列问题

由于牵扯到两个字符串所以肯定是用二维数组

问题是如何定义这个二维数组呢

显然dp[m][n] m代表text1的字符长度，n代表text2的字符长度

首先初始化矩阵
初始化行：如果text1的第一个字符在text2中出现，那