算法实战 1:动态规划：最长公共子序列 Python

以下是一个用Python实现的动态规划算法来解决最长公共子序列问题（Longest Common Subsequence）的示例代码：

def longestCommonSubsequence(text1, text2):
    m = len(text1)
    n = len(text2)

    # 创建二维数组dp，并初始化为0
    dp = [[0] * (n + 1) for _ in range(m + 1)]

    for i in range(1, m + 1):
        for j in range(1, n + 1):
            if text1[i - 1] == text2[j - 1]:
                # 如果两个字符相等，则最长子序列长度加一
                dp[i][j] = dp[i - 1][j - 1] + 1
            else:
                # 否则取前一个状态的最大值
                dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])

    return dp[m][n]

text1 = "abcde"
text2 = "ace"

result = longestCommonSubsequence(text1, text2)

print("The length of the longest common subsequence is:", result)

以上的代码使用了二维列表dp来记录最长公共子序列的长度。通过遍历字符串text1和text2，根据当前字符是否相等，更新dp数组的值。最后返回dp[m][n]作为最长公共子序列的长度。

请注意，上述代码仅解决了最长公共子序列问题的长度，如果你需要获取具体的最长公共子序列本身（而不仅仅是长度），还需要进行某些额外的操作。希望这个示例能够帮助到你！