ACM--最长公共子序列 动态规划求解

最长公共子序列问题：给你两个字符串a[m],b[n]，求出他们的公共子字符串的长度（子字符串不需要再原字符串中连续）。

这个问题的一般想法是：

1.找出a[m]中的每个子字符串；

2.看其是否也能存在在b[n]中;

3.找出公共子字符串中最大的一个。

然而这个方法对于计算机来说实在是过于复杂，比较好的方法是使用动态规划的方法：

首先这是一个比较复杂的问题，我们需要将它分为一些简单的小问题来解决，最常见的方式就是找到递推规律，然后就能将一个复杂的问题分成一步一步来解决。来看这个问题，我们需要找出这个问题的地推公式，研究我们若已近找到a[1,2.....i]与b[1,2,....j]的公共子序列的情况下，关于a[1,2,.....i+1],b[1,2,....j+1]的公共子序列的问题。设cs[k]=LCS(i,j)为a[1,2.....i],b[1,2,....j]的公共最长子序列，c(i,j)为其长度：

(1)若a[i]=b[j],则显然c(i,j)=c(i-1,j-1)+1

(2)若a[i]!=b[j],则有三种情况需要考虑：

• cs[k]=a[i],cs[k]!=b[j],则cs[k]=LCS(i,j)为a[1,2.....i],b[1,2,....j-1]的公共最长子序列
• cs[k]=b[i],cs[k]!=a[j],则cs[k]=LCS(i,j)为a[1,2.....i-1],b[1,2,....j]的公共最长子序列
• cs[k]！=a[i],cs[k]!=b[j],则cs[k]=LCS(i,j)为a[1,2.....i-1],b[1,2,....j-1]的公共最长子序列

综上所述，有c[i,j]=max{c[i-1,j],c[i,j-1]},即求出了递推公式。如果直接用递归可以看出，若a[i]!=b[j],每次递归都要调用两次递归，计算的复杂度是程二叉树增加的。而这些递归的问题很有可能是已经解决过了的，也就是存在重叠子问题的情况，如果可以避免重复计算这些问题，就可以大大减少计算量，因此我们可以将这些解决过的问题储存起来，下次再碰到就不需要重新计算了。再来看这个问题的模型，我们可能碰到的子问题的形式都是c(x,y)的形式，x属于[0,n],y属于[0,m],因此我们可以建立一个二维数组来储存，由递推公式将二维数组一步一步填满，最后求出c(n,m)。