动态规划求解最长公共子序列

前言

推出一个新系列，《看图轻松理解数据结构和算法》，主要使用图片来描述常见的数据结构和算法，轻松阅读并理解掌握。本系列包括各种堆、各种队列、各种列表、各种树、各种图、各种排序等等几十篇的样子。

最长公共子序列

最长公共子序列，英文为Longest Common Subsequence，缩写LCS。一个序列，如果是某两个或多个已知序列的最长子序列，则称为最长公共子序列。

另外，要注意的是最长公共子序列与最长公共子串不一样，下面看一个例子就明白。

有序列S1和S2，其中S1=hello，S2=hero。那么最长公共子序列为heo，而最长公共子串为he。可以看到区别就在于一个允许不连续，一个要求必须连续，而共同特点就是都要保持顺序性。

暴力穷举法

暴力穷举法是最简单粗暴且直观的解决方法，既然是暴力了那效率肯定是最差。有和两个序列，穷举过程首先要枚举所有可能的子序列，对于序列X，它的子序列数量达2^m，因此这部分的时间复杂度达到。而每个子序列去匹配序列Y的时间复杂度为，所以整个过程的时间复杂度为。也就是说暴力穷举法的时间复杂度达到指数级，而实际中序列长度可能较长，这时几乎无法使用该方法。

子序列的数量为何是2^m？某个序列的所有子序列可以看成是从某序列中移除若干个(0到m个)元素后组成的序列，比如ABC，移除0个元素时为{ABC}，移除1个元素时为{BC,AC,AB}，移除2个元素时为{C,B,A}，移除3个元素时为空。

暴力穷举大致步骤：

1. 对于序列X，枚举所有子序列；

2. 对第1步中每个子序列匹配序列Y，记录匹配上的最长子序列；

动态规划

鉴于暴力穷举法的时间复杂度太大，需要另外一种方法解决该问题，动态规划。一般在能用动态规划解决的问题需要符合三个特征：最优子结构、重叠子问题和无后效性。刚刚好，最长公共子序列问题符合动态规划特征，下面对该问题具体分析。

最优子结构

假设有和两个序列，记X、Y两个序列对应的最长公共子序列为，确定的过程就是一个最优化问题。为了分析最优子结构，我们需要从序列X与序列Y的最后一个元素开始。分两种情况：

• 如果