最长公共子序列

题目描述：给出两个字符串，找到最长公共子序列(LCS)，返回LCS的长度。

说明：

最长公共子序列的定义：最长公共子序列问题是在一组序列（通常2个）中找到最长公共子序列（注意：不同于子串，LCS不需要是连续的子串）。该问题是典型的计算机科学问题，是文件差异比较程序的基础，在生物信息学中也有所应用。https://en.wikipedia.org/wiki/Longest_common_subsequence_problem

样例：

给出"ABCD" 和 "EDCA"，这个LCS是 "A" (或 D或C)，返回1

给出 "ABCD" 和 "EACB"，这个LCS是"AC"返回 2

什么是LCS，上面的定义已经很清楚了。我不赘述了。我们之前做的一道题是求两个字符串之间的不同的子序列（详见：点击打开链接），本题也是关于子序列的，所以两道题肯定有类似的地方。我们还是用动态规划（其实你见的多了就会立马有种感觉，知道这道题该用动态规划），用二维表格record[i][j]表示字符串A的前 i 项与字符串B的前 j 项的LCS的长度。

现在开始写状态转移方程。我们来分析A[i]与B[j]的关系对两个串的LCS的长度造成的影响。

1. 若A[i] == B[j]，那么，很显然，A的前 i 项与B的前 j 项的LCS为A的前 i - 1项与B的前 j - 1项的LCS加上A[i]。比如，A = "bupt", B= "bupat"中，最后一项相同，除最后一项外，前面的项为A' = "bup", B' = "bupa"，A'与B'的LCS为“bup”，所以A与B的LCS为“bup” + "t"

2. 若A[i] != B[j]，这时候的情况就会比较复杂：

（1）若A[i]与B[j]谁都没有为A的前 i 项与B的前 j 项的LCS做出“贡献”，那A的前 i 项与B的前 j 项的LCS为A的前 i - 1项与B的前 j - 1项的LCS是一样的。比如，A = "bupta" 与 B = "bupec"的LCS还是A' = "bupt", B' = "bupe"的LCS

（2）若A[i]与B[j]有一个为A的前 i 项与B的前 j 项的LCS做出“贡献”，那A的前 i 项与B的前 j 项的LCS则必然与

<1>. A的前 i - 1项与B的前 j 项的LCS

<2>. A的前 i 项与B的前 j - 1项的LCS

有一个是相同的。比如，A = "bupte" 与 B = "bupec"，A的最后一项"e"为A, B的LCS做出“贡献”了，那么LCS为A = "bupte" 与 B‘ = "bupe"的LCS是相同的，且长度一定大于A' = "bupt"与B = "bupec"的LCS。

因此，状态转移方程：

record[i][j] = record[i - 1][j - 1] + 1(A[i] == B[j])

record[i][j] = max(record[i - 1][j], record[i][j - 1])

初始条件与求两个字符串之间的不同的子序列的设定是类似的，都是先拓展这个二维表格，使得行，列各增加一个，这也是动态规划常用的方法，我就不多了，不理解的话返回上面给出的链接自己学习。

代码如下：

class Solution:
    """
    @param A, B: Two strings.
    @return: The length of longest common subsequence of A and B.
    """
    def longestCommonSubsequence(self, A, B):
        m = len(A)
        n = len(B)
        if m == 0 or n == 0:
            return 0
        record = [[0 for j in range(n + 1)] for i in range(m + 1)]
        i = 1
        while i <= m:
            j = 1
            while j <= n:
                if A[i - 1] == B[j - 1]:
                    record[i][j] = record[i - 1][j - 1] + 1
                else:
                    record[i][j] = max(record[i - 1][j], record[i][j - 1])
                j += 1
            i += 1
        return record[m][n]
        # write your code here

需要注意的是，LCS在数据挖掘中很很有用的方法，正如题目所描述的那样。我在以后会对判断两个文件的相似度做一个专题。