最长公共子序列问题（LCS）求解

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