区分 记忆化搜索 和 动态规划 , 总结 LIS和LCS思路

区分

（1）记忆化搜索：自顶而下的解决问题
（2）动态规划：自底而上的解决问题
　　先解决小数据量下的结果是怎样的也就是先解决最基础的问题，然后层层递推（循环递推），到大数据量下的结果。—— 通常这个过程就叫做动态规划。
　　将原问题拆解成若干子问题，同时保存子问题的答案，使得每个子问题只求解一次，最终获得原问题的答案。

LCS：

两个有序序列a和b，求他们公共子序列的最大长度
我们定义一个数组DP[i][j],表示的是a的前i项和b的前j项的最大公共子序列的长度，
那么由于是用迭代法，所以计算DP[i][j]前，DP[i-1][j]和DP[i][j-1]就都已经计算出来了，
不难理解就可以得出状态转移方程：
  如果a[i] == b[j]:        DP[i][j]  = DP[i-1][j-1] + 1; 
  如果a[i] != b[j]          MAX(DP[i-1][j], DP[i][j-1])

例题：

https://blog.csdn.net/weixin_43250284/article/details/88086398

LIS：

一个a序列，求它的最长上升子序列的最大长度
思路：用数组s[]存储序列，dp[i]表示以s[i]为结尾的序列的最大长度。
因此要求出dp[i]的最大值，即求出max{dp[0],dp[1]....dp[i-1]}的最大值，
那么dp[i]的最大值为max{dp[0],dp[1]....dp[i-1]}+1;
即可写出状态方程：dp[i]=max{dp[0],dp[1].....dp[j]}+1;(0<=j<i&&s[j]<s[i]),
然后求出数组dp[]中的最大值即为所求(每次用ans记录就行了）

例题：

数字的最长上升子序列
https://blog.csdn.net/weixin_43250284/article/details/88086736
字符串的最长上升子序列
https://blog.csdn.net/weixin_43250284/article/details/87121134