LCS 问题的求解可以采用动态规划的方法。定义一个二维数组 dp,其中 dp[i][j] 表示字符串 s 的前 i 个字符和字符串 t 的前 j 个字符的最长公共子序列的长度。则 LCS 问题的解即为 dp[len(s)][len(t)],其中 len(s) 和 len(t) 分别表示字符串 s 和 t 的长度。
对于 dp[i][j],如果 s[i-1] 和 t[j-1] 相等,则 dp[i][j] = dp[i-1][j-1] + 1;否则 dp[i][j] = max(dp[i-1][j], dp[i][j-1])。这个递推式的意思是,如果当前两个字符相等,那么它们可以作为最长公共子序列的一部分,因此最长公共子序列的长度就是前 i-1 个字符和前 j-1 个字符的最长公共子序列长度加上当前这个字符;如果当前两个字符不相等,那么最长公共子序列的长度就要在前 i-1 个字符和前 j 个字符的最长公共子序列长度,以及前 i 个字符和前 j-1 个字符的最长公共子序列长度中取最大值。
最后,dp[len(s)][len(t)] 就是 s 和 t 的最长公共子序列的长度。如果需要求出最长公共子序列的具体内容,可以倒推 dp 数组,具体方法是从 dp[len(s)][len(t)] 开始,如果 s[i-1] 和 t[j-1] 相等,则说明这个字符是最长公共子序列的一部分,可以将其加入答案中,并将 i 和 j 分别减 1;否则比较 dp[i-1][j] 和 dp[i][j-1],如果 dp[i-1][j] 大于 dp[i][j-1],则说明最长公共子序列中不包含 s[i-1],将 i 减 1;否则将 j 减 1。重复这个过程直到 i 或 j 为 0。
def lcs(s, t):
m, n = len(s), len(t)
dp = [[0] * (n+1) for _ in range(m+1)]
for i in range(1, m+1):
for j in range(1, n+1):
if s[i-1] == t[j-1]:
dp[i][j] = dp[i-1][j-1] + 1
else:
dp[i][j] = max(dp[i-1][j], dp[i][j-1])
# 从 dp 数组倒推最长公共子序列
i, j = m, n
lcs = ""
while i > 0 and j > 0:
if s[i-1] == t[j-1]:
lcs = s[i-1] + lcs
i -= 1
j -= 1
elif dp[i-1][j] >= dp[i][j-1]:
i -= 1
else:
j -= 1
return lcs