从左到右依次遍历型
1 要观察出正方形的边长取决于三个因素，上边，左边，对角线的正方形边长的最小值，写出动态规划方程是关键，注意matrix里面的数据类型是字符串，不是数字0 1，所以不能直接用if判断，用if只要字符串不空就为真，
2 同上一题，容易观察出以dp[i][j]为右下端点的最大正方形的边长也是其正方形的个数，
3 这个题无论用什么动态规划方法都要从四个方向遍历四次，每个位置的最大值是四个方向中的最小值，最后再求最大值，对于数组查找不方便时，可以先将其变为集合，注意set内的元素必须是不可变对象，所以不能是数组，要把数组变为tuple再放入set中，或者可以直接建一个二维数组来记录0 1
下面是非常相似的一类题型，都是处理两个字符串的问题，定义dp的时候行和列长度都要加1，因为要做初始化，状态转移方程不好写时可以举例子来写，注意初始化加了一列一行后，后面遍历时的索引是从1到row+1和从1到col+1，
4 高频面试题，和编辑距离类似，关键是写出状态转移方程，子序列问题往往可以用动态规划，这个题可以用两个数组互相赋值记录数据来降低空间复杂度，
dp[i][j]= dp[i−1][j−1]+1 s1[i]==s2[j]
max(dp[i−1][j],dp[i][j−1]) s1[i]!= s2[j]
和最长公共子序列实际上是同一个题，
思路同上，dp[i][j]为公共子序列的最大和，先求出所有字符的和，再减去公共的字符之和乘2，或者可以直接定义dp[i][j]为最小的删除和，只不过初始化的时候不为0，下面为计算最大公共子序列字符之和的动态转移方程：
dp[i][j]=dp[i−1][j−1] + ord(s1[col-1]) 如果当前字符相等
dp[row][col] = max(dp[row-1][col], dp[row][col-1]) 如果当前字符不相等
或者直接定义dp[i][j]为 s1[i-1] s2[j-1]相等时最小的删除和，所以初始化的时候，由空字符到对应的字符要想相同要全部删除，
class Solution: def minimumDeleteSum(self, s1: str, s2: str) -> int: l1 = len(s1) l2 = len(s2) dp = [[0] * (l1+1) for _ in range(l2+1)] for i in range(1, l1+1): dp[0][i] += (dp[0][i-1]+ord(s1[i-1])) for i in range(1, l2+1): dp[i][0] += (dp[i-1][0]+ord(s2[i-1])) for col in range(1, l1+1): for row in range(1, l2+1): if s1[col-1] == s2[row-1]: dp[row][col] = dp[row-1][col-1] else: dp[row][col] = min(dp[row][col-1]+ord(s1[col-1]), dp[row-1][col]+ord(s2[row-1])) return dp[-1][-1]