JAVA算法：最长公共子序列—动态规划算法

最长公共子序列—动态规划算法（Longest Common Subsequence）

让我们来讨论如何使用动态规划算法来解决LCS问题。

LCS问题陈述：给定两个序列，找出两个序列中存在的最长子序列的长度。

子序列是以相同的相对顺序出现的序列，但不一定是连续的。例如，“abc”、“abg”、“bdf”、“aeg”、“'”acefg“等等都是“abcdefg”的子序列。所以一个长度为n的字符串有2^n个不同的可能子序列。

它是一个经典的计算机科学问题，是diff（一个输出两个文件之间差异的文件比较程序）的基础，在生物信息学中有着广泛的应用。

举例：

对于给定的字符串 “ABCDGH” 和 “AEDFHR”，其最长公共子序列为： “ADH”，最长公共子序列的长度为：3。
对于给定的字符串 “AGGTAB” 和 “GXTXAYB”，其最长公共子序列为：“GTAB”，最长公共子序列的长度为：4。

算法分析

这个问题的简单解决方案是生成两个给定序列的所有子序列，并找到最长的匹配子序列。根据时间复杂性，这个解是指数的。让我们看看这个问题如何具有动态规划（DP）问题的两个重要特性。

最优子结构

输入序列分别为长度m和n的X[0..m-1]和Y[0..n-1]。

设L（x[0..m-1]，y[0..n-1]）为两个序列X和Y的LCS的长度，下面是L&