动态规划---最长公共子序列(LCS)

基本概念：

子序列：

给定序列：{a,b,c,d,e,f}
则{a,b,c},}{a,c,f},{d,f}都是子序列

最长公共子序列：

给定两个序列
A：{a,b,c,d,e,f}
B：{a,c,e,g}
则A和B都有子序列{a,c,e}，而最长公共子序列就是指既是A的子序列又是B的子序列，而且要保证是最长。因此A和B的最长公共子序列为{a,c,e}，长度为3。

一、问题描述

给定两个字符串，求出这两个字符串的最长公共子序列(LCS)

二、解题方法

暴力法：序列A有 2^n 个子序列，序列B有 2^m 个子序列，如果任意两个子序列一一比较，比较的子序列高达 2^(n+m) 对，(不推荐)。

动态规划：动态规划法（dynamic programming）通常用于求解最优化问题（optimization problem），它适用于那些子问题相互重叠的情况，即子问题不独立，不同的子问题具有公共的子子问题（就是子问题的子问题）。经常会遇到复杂问题不能简单地分解成几个子问题，而会分解出一系列的子问题。简单地采用把大问题分解成子问题，并综合子问题的解导出大问题的解的方法，问题求解耗时会按问题规模呈幂级数增加。
为了节约重复求相同子问题的时间，引入一个数组，不管它们是否对最终解有用，把所有子问题的解存于该数组中，这就是动态规划法所采用的基本方法。

用一张图解释这个公式：

例子：
两个char数组a=[r,a,n,d,o,m]，b=[a,n,d,r,o,i,d]，还有一个dp数组用二维数组表示：

第一步：初始化二维数组第一行和第一列
第一行：
00位置a和r比较—不相等—赋值0，
01位置a和a比较—相等—赋值1，接着01后面的02，03，04，05，06全部为赋值1，第一行初始化完毕，代表目前已找到1个符合的LCS。

for(int i = 0;i<m;i++){
         //构建第一行
   if(a[0] == b[i]){
            //如果值相等
    dp[0][i] = 1;            //其位置为1
    for(int j = i+1;j<m;j++){
      //后面的值全部为1
     dp[0][j] = 1;
    }
    break;
   }
  }

第一列同理：
00位置 a和r比较—不相等—赋值0，
10位置 n和r比较—不相等—赋值0，
20位置 d和r比较—不相等—赋值0，
30位置 r和r比较—相等—赋值1，接着40，50，60，70全部为赋值1&#