1.524. 通过删除字母匹配到字典里最长单词，隐含的子序列问题，不过这个判断的函数比较简单，判断一个字串是否是另一个的子序列。
2.392. 判断子序列，其实这个是双指针解决的问题，在有大量s的情况下就简历下标dp数组，减少在t中查找下一个字符的时间。
3.674. 最长连续递增序列，比较简单，可以说是贪心，其实我认为是dp，比较简单。
4.300. 最长递增子序列，dp可以解决O(n^2)，第二种方法利用到了贪心+二分法，d[i]记录最长递增长度i时的数值，贪心是指使上升子序列尽可能的长，则我们需要让序列上升得尽可能慢，因此我们希望每次在上升子序列最后加上的那个数尽可能的小。
5.673. 最长递增子序列的个数，挺难的，需要cnt记录序列个数，len记录序列最长大小，O(n^2)的解法。
6.334. 递增的三元子序列，可以用dp解法，但是复杂度太高，O(n)的解法用了双指针，small和mid分别指向最小值和中间，很绝，也把这道题放在双指针博客里。
7.583. 两个字符串的删除操作，两种解法：一种是LCS，m+n-2*lcs，分为字符相等时，字符不等就删除，dp[i][j]表示字串1的前i个字符和字串2的前j个字符的LSC；一种是编辑距离计算方法，认为只有删除操作。都可以使用一维滚动数组来减小空间复杂度。
8.712. 两个字符串的最小ASCII删除和，两种解法：一种是dp就保存最小删除的字符ASCII值，每次删除时加上；一种是LCS，dp保存LCS中的最大ASCII值，每次能够匹配上时+值。
9.354. 俄罗斯套娃信封问题，是个二维的最长递增子序列问题，和300很相似，第一维升序排列，第二维降序排列，即固定了第一维只考虑第二维度上的最长递增子序列问题。法一使用dp，是O(n^2)的复杂度；法二，是贪心+二分的解法，这个非常快，参考300.