动态规划——最长公共子序列（以[HAOI2010]为例）

题意：
字符序列的子序列是指从给定字符序列中随意地（不一定连续）去掉若干个字符（可能一个也不去掉）后所形成的字符序列。令给定的字符序列X=“x0，x1，…，xm-1”，序列Y=“y0，y1，…，yk-1”是X的子序列，存在X的一个严格递增下标序列<i0，i1，…，ik-1>，使得对所有的j=0，1，…，k-1，有xij = yj。
例如X=“ABCBDAB”，Y=“BCDB”是X的一个子序列。对给定的两个字符序列，求出他们最长的公共子序列长度，以及最长公共子序列个数。

一.求最长公共子序列的长度（基础LCS问题）
首先从动态规划的角度来考虑：
所有问题被分解为子问题，子问题套子问题。
1.确定研究状态：最长公共子序列的长度
那么每一层的问题就转化求该层的***最长公共子序列的长度***。
2.确定研究问题的划分层次（如何划分子问题）。（循环变量所代表的意义及状态边界问题）：当s1和s2的长度均为1时，结果是很容易判断的，所有很自然的想到用长度来对问题进行划分。长度小的子问题被包含在长度大的子问题中作为数据被调用。——>用两层循环(i,j)来进行。
3.确定状态转移方程：（重中之重，因为状态转移方程是否正确决定难题的攻克与否）同时，也是解决问题的核心。那么对于长度为i的s1和长度为j的s2。该状态下的子问题结果：dp[i][j]=?。
可以知道的是：分情况讨论：
(1).当S1[i]==S2[j]时，dp[i][j]可有三个来源：
当第i个和第j个参与最长公共子序列①：dp[i-1][j-1]+1；
当第i个和第j个不参与最长公共子序列②：dp[i-1][j]和dp[i][j-1]。
因为：dp[i-1][j-1]<=dp[i][j-1]<=dp[i-1][j-1]+1 所以，最终的答案是：
dp[i][j]=dp[i-1][j-1]+1。
(2).当S1[i]!=S2[j]时，S1[i]与S2[j]不可能同时入选最长公共子序列，所以dp[i][j]只能从dp[i-1][j]和dp[i][j-1]中推得结果。根据 最长 的要求，和dp所储存的内容（ s1的前i个字符组成的串和 s2的前j个字符组成的串所能形成的最长公共子序列的长度）得到：dp[i][j]=max(dp[i-1][j],dp[i][j-1]).
4.构造关键代码：

for (i=1;i<=s1.length();i++) 
for (j=1;j<=s2.length();j++) 
if (s1[i]==s2[j]) dp[i][j]=dp[i-1][j-1]+1; 
else dp[i][j]=max(dp[i