最长公共子序列

动态规划

最⻓公共⼦序列（Longest Common Subsequence，简称 LCS）

• 状态：两个指针i，j 从后往前遍历s1和s2
• dp数组：dp(i，j)或者dp[ i ][ j ]：对于s1[1…i]和s2[1…j]，它们的LCS长度
• 选择：设s1和s2的最长公共子序列为lcs。那么对于s1和s2中的每个字符，要么在lcs中，要么不在
  ⽤两个指针 i 和 j 从后往前遍历 s1 和 s2 ，如果 s1[i]==s2[j] ，那么这个字符⼀定在 lcs 中；否则的话， s1[i] 和 s2[j] 这两个字符⾄少有⼀个不在 lcs 中，需要丢弃⼀个。
  （对于 s1[i] 和 s2[j] 不相等的情况，两个字符都不在lcs中时：
  dp[i][j] = max(dp[i-1][j]，dp[i][j-1]，dp[i-1][j-1]) ，原因在于我们对 dp 数组的定义，因为 dp[i-1][j-1] 永远是三者中最⼩的，max 根本不可能取到它，所以不考虑这种情况了）
• base case：索引为 0 的⾏和列表⽰空串， dp[0][…] 和 dp[…][0] 都应该初始化为 0

dp(i,j)
= 0 if (i=-1||j=-1)
= dp(i-1,j-1) if(s[i]==s[j])
= max(
	dp(i-1,j),dp(i,j-1)
) if(s[i]!=s[j])

对于字符串 s1 和 s2 ，⼀般来说都要构造⼀个这样的 DP table
为了⽅便理解此表，我们暂时认为索引是从 1 开始的，待会的代码中只要稍作调整即可。
dp[i][j] 的含义是：对于 s1[1…i] 和 s2[1…j] ，它们的 LCS ⻓度是 dp[i][j]
其中，d[2][4] 的含义就是：对于 “ac” 和 “babc” ，它们的LCS ⻓度是 2。


找状态转移⽅程的⽅法是，思考每个状态有哪些「选择」，只要我们能⽤正确的逻辑做出正确的选择，算法就能够正确运⾏。

class Solution(object):
    def longestCommonSubsequence(self, text1, text2):
        """
        :type text1: str
        :type text2: str
        :rtype: int
        """
        m, n = len(text1),len(text2)
        dp = [[0]*(n+1) for _ in range(m+1)]
        for i in range(1, m+1):
            for j in range(1, n+1):
                if(text1[i-1] == text2[j-1]):
                    #找到lcs中的字符
                    dp[i][j] = 1 + dp[i-1][j-1]
                else:
                    dp[i][j] = max(dp[i-1][j], dp[i][j-1])
        return dp[-1][-1]

注

• ⼦序列类型的问题，穷举出所有可能的结果都不容易，⽽动态规划算法做的就是穷举 +剪枝，它俩天⽣⼀对⼉。所以可以说只要涉及⼦序列问题，⼗有⼋九都需要动态规划来解决，往这⽅⾯考虑就对了
• dp table结构：m+1行，n+1列
  dp = [[0]*(n+1) for _ in range(m+1)]
• if(text1[i-1] == text2[j-1]):