https://programmercarl.com/0392.%E5%88%A4%E6%96%AD%E5%AD%90%E5%BA%8F%E5%88%97.html

1.本题基于上面几个子序列，子数组题目，让我对于动态规划的题目有了更深层的认识，本题对于状态转移的公式更是深刻，就像是前面的题的dp数组的含义本题的含义也还是`以i – 1为结尾字符串 s 和以j – 1为结尾字符串 t 的相同子序列的长度。本题的递归公式就是当两个数不相同的时候，选择字符串 t 的前置结果进行状态转移，这就是动态规划的精髓所在，子结果来反映总体要求的结果。而借用代码随想录的一句话：大家可以发现和 1143.最长公共子序列 (opens new window)的递推公式基本那就是一样的，区别就是 本题 如果删元素一定是字符串t，而 1143.最长公共子序列 是两个字符串都可以删元素。

所以总结起来一句话要看清楚状态转移方程。

CPP

class Solution {
public:
    bool isSubsequence(string s, string t) {

        vector<vector<int>> dp(s.size() + 1, vector<int>(t.size() + 1, 0));

        for(int i = 1; i <= s.size(); i++){
            for(int j = 1; j <= t.size(); j++){
                if(s[i - 1] == t[j - 1]){
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }else{
                    dp[i][j] = dp[i][j - 1];
                }
            }
        }
        if(dp[s.size()][t.size()] == s.size()){
            return true;
        }
        return false;
    }
};