动态规划-解最长重复子数组(dp问题)

动态规划(简称dp),是一种在数学丶管理科学丶计算机科学丶经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。
动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。
动态规划背后的基本思想。大致上，若要解一个给定问题，我们需要解其不同部分（即子问题），再根据子问题的解以得出原问题的解。动态规划往往用于优化递归问题，例如斐波那契数列，如果运用递归的方式来求解会重复计算很多相同的子问题，利用动态规划的思想可以减少计算量。
通常许多子问题非常相似，为此动态规划法试图仅仅解决每个子问题一次，具有天然剪纸的功能，从而减少计算量；一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个子问题之时直接查表。这种做法在重复子问题的数目关于输入的规模呈指数增长时特别有用。
下面我们用一道题目来说明这些点:

**解题思路:**申请一个二维数组作dp表格，二维数组行坐标代表
B数组的第几个元素,二维数组的列坐标代表A数组的第几个元素,二维数组存储的信息是以二维数组行坐标结尾的(也就是B数组中以二维数组的行坐标作为结尾)在以二维数组列坐标结尾的(也就是A数组中以二维数组的列坐标作为结尾)最长的连续子数组的长度。如果遍历到两个数组共同的元素的坐标时，可以从dp表中查找出A数组上一个元素与B数组上一个元素公共连续子数组长度然后自增1,如dp[i,j]=dp[i-1,j-1]+1,这里的dp[i-1,j-1]存储的就是A.B数组上一个元素的公共连续子数组的长度，然后求出二维数组中所有的值选取最大值就是最长的公共连续子数组的长度.
小戴实现代码: