深入理解动态规划：从Leetcode实践出发【8】（题号718、72）

动态规划是一种非常重要的算法设计思想。历史上有很多著名的算法都是基于这种思想设计而来的，例如：Needleman–Wunsch算法、CYK算法、FFT算法、维特比算法等等。动态规划的核心思想有两个：首先是将一个大问题拆解为若干子问题；其次是将曾经计算过的结果储存起来以备多次使用。

 

在本系列之前的文章中，我们已经介绍了动态规划算法设计的一种基本套路。但现实中的动态规划问题其实是五花八门的。之前的动规例子的解答都使用了递归，本文所补充的两个例子则采用循环。

 

首先是LeetCode中的#718题（Maximum Length of Repeated Subarray）。该问题的描述如下：

动态规划的一个核心思想是把之前已经得到的计算结果存储起来，以备复用。这其实基本上就是在用空间换时间。就本题而言，为了存储已经算过的结果，我们设计一个矩阵，并将其中的所有元素初始化为0。如果数组A中的元素A[i]与数组B中的元素B[j]相同，那么就更新矩阵中的一个元素[i,j]为1+[i-1,j-1]，1表示当前这个字符匹配，而[i-1,j-1]表示之前的最长匹配子串。这其实也就是动规的状态转移方程。具体的实现代码如下：

 

class Solution {
public:
    int findLength(vector<int>& A, vector<int>& B) {

    	int m = A.size();
    	int n &#