动态规划：最长公共子序列（LCS）

  1、LCS的基本概念

        子序列：一个序列X任意删除若干个字符得到新序列Z，则Z叫做X的子序列。例如Z=<B,C,D,B>是X=<A,B,C,B,D,A,B>的           子序列，相当于删除A、B、A。

        公共子序列：给定两个序列X和Y，如果Z既是X的子序列，也是Y的子序列，我们称它为X和Y的公共子序列。公共子序列可         能不唯一。例如<B,C,A>是X=<A,B,C,B,D,A,B>和Y=<B,D,C,A,B,A>的一个公共子序列。

        最长公共子序列：Longest Common Subsequence，简称LCS。如果Z是X和Y的公共子序列，且是最长的那个，则称Z是         X和Y的最长公共子序列。例如<B,C,B,A>是X=<A,B,C,B,D,A,B>和Y=<B,D,C,A,B,A>的一个最长公共子序列，<B,D,A,B>         也是。它也可能不唯一。

        注：(1)为了简便，上面我们讨论的都是两个序列的公共子序列，当然，也可以是3个、4个等等。(2)它和最长公共子串是有         区别的，最长公共子串要求连续。

2、LCS的意义和应用

        求两个序列中最长的公共子序列算法，广泛的应用在图形相似处理、媒体流的相似比较、计算生物学方面。生物学家常常           利用该算法进行基因序列比对，由此推测序列的结构、功能和演化过程。

        LCS可以描述两段文字之间的“相似度”，即它们的雷同程度，从而能够用来辨别抄袭。另一方面，对一段文字进行修改之        后，计算改动前后文字的最长公共子序列，将除此子序列外的部分提取出来，这种方法判断修改的部分，往往十分准确。简        而言之，百度知道、百度百科都用得上。

  3、LCS的最优子结构

        在这里先说些前缀的概念，给定一个序列X=<x1,x2,…,xm>，对i=0,1,…,m，定义X的第i前缀为Xi=<x1,x2,…,xi>。例如，若         X=<A,B,C,B,D,A,B>，则X4=<A,B,C,B>，X0为空串。

        令X=<x1,x2,…,xm>和Y=<y1,y2,…,yn>为两个序列，Z=<z1,z2,…,zk>为X和Y的任意LCS。

        1）如果xm=yn，则zk=xm=yn且Zk-1是Xm-1和Yn-1的一个LCS。也就是

        例如：

        2）如果xm≠yn，那么zk≠xm意味着Z是xm-1和Y的一个LCS。

        也就是，LCS(Xm,Yn)=LCS(Xm-1,Yn)。

        3）如果xm≠yn，那么zk≠yn意味着Z是X和Yn-1的一个LCS。也就是，LCS(Xm,Yn)=LCS(Xm,Yn-1)。

        例如：

  4、LCS的分析总结

        显然，是动态规划问题。

   5、LCS的代码实现

#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
using namespace std;
char str1[105];
char str2[105];
int dp[105][105];
int main()
{
	while(cin>>str1>>str2)
	{
		int len1=strlen(str1);
		int len2=strlen(str2);
		memset(dp,0,sizeof(dp));
		for(int i=0;i<len1;i++)
		{
			for(int j=0;j<len2;j++)
			{
				if(str1[i]==str2[j])
				dp[i+1][j+1]=dp[i][j]+1;
				else
				dp[i+1][j+1]=max(dp[i+1][j],dp[i][j+1]);
			}
		}
		cout<<dp[len1][len2]<<endl; 
	}
return 0;
}