最长公共子序列

最长公共子序列的动态规划法实现最长公共子序列（longest-common-subsequence, LCS）
（1）子序列：一个序列X ＝ x1x2…xn,中任意删除若干项，剩余的序列叫做A的一个子序列。也可以认为是从序列A按原顺序保留任意若干项得到的序列。
例如：对序列 1,3,5,4,2,6,8,7来说，序列3,4,8,7 是它的一个子序列。对于一个长度为n的序列，它一共有2^n 个子序列，有(2^n – 1)个非空子序列。在这里需要提醒大家，子序列不是子集，它和原始序列的元素顺序是相关的。
（2）公共子序列：如果序列Z既是序列X的子序列，同时也是序列Y的子序列，则称它为序列X和序列Y的公共子序列。空序列是任何两个序列的公共子序列。
（3）最长公共子序列：X和Y的公共子序列中长度最长的（包含元素最多的）叫做X和Y的最长公共子序列。
这个问题如果用穷举法时间，最终求出最长公共子序列时，时间复杂度是Ο（2mn），是指数级别的复杂度，对于长序列是不适用的。因此我们使用动态规划法来求解。刻画最长公共子序列问题的最优子结构
设X=x1x2…xm和Y=y1y2…yn是两个序列，Z=z1z2…zk是这两个序列的一个最长公共子序列。

1. 如果xm=yn，那么zk=xm=yn，且Zk-1是Xm-1，Yn-1的一个最长公共子序列；      
   

2. 如果xm≠yn，那么zk≠xm，意味着Z是Xm-1，Y的一个最长公共子序列；      
   

3. 如果xm≠yn，那么zk≠yn，意味着Z是X，Yn-1的一个最长公共子序列。     
   

从上面三种情况可以看出，两个序列的LCS包含两个序列的前缀的LCS。因此，LCS问题具有最优子结构特征。
递归的定义最优值
从最优子结构可以看出，如果xm=yn，那么我们应该求解Xm-1，Yn-1的一个LCS，并且将xm=yn加入到这个LCS的末尾，这样得到的一个新的LCS就是所求。
如果xm≠yn，我们需要求解两个子问题，分别求Xm-1，Y的一个LCS和X，Yn-1的一个LCS。两个LCS中较长者就是X和Y的一个LCS。
可以看出LCS问题具有重叠子问题性质。为了求X和Y的一个LCS，我们需要分别求出Xm-1，Y的一个LCS和X，Yn-1的一个LCS，这几个字问题又包含了求出Xm-1，Yn-1的一个LCS的子子问题。
根据上面的分析，我们可以得出下面的公式；

#include<iostream>
#include<algorithm>
using namespace std;
char stra[1000] = "fish";
char strb[1000] = "fosh";
int alen, blen;
int maxlen[1000][1000];
int main(void){
	alen = strlen(stra);
	blen = strlen(strb);
	for (int i = 0; i <= alen; i++)
		maxlen[i][0] = 0;
	for (int j = 0; j <= alen; j++)
		maxlen[0][j] = 0;
	for (int i = 1; i <= alen; i++){
		for (int j = 1; j <= blen; j++){
			if (stra[i - 1] == strb[j - 1]){
/*1、xm=yn，那么zk=xm=yn，且Zk-1是Xm-1，Yn-1的一个最长公共子序列*/
				maxlen[i][j] = maxlen[i - 1][j - 1] + 1;
			}
			else
/*2、如果xm≠yn，那么zk≠xm，意味着Z是Xm-1，Y的一个最长公共子序列      
3、如果xm≠yn，那么zk≠yn，意味着Z是X，Yn-1的一个最长公共子序列*/
				maxlen[i][j] = max(maxlen[i][j - 1], maxlen[i - 1][j]);
			cout << maxlen[i][j] << " ";
		}
		cout << endl;	
	}	
	cout << maxlen[alen][blen];
	return 0;
}