算法设计-动态规划——最长公共子序列

算法介绍

动态规划：

动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的（自底向上求解，底层的解可作为上层解的基础 ）。

问题实例

问题描述：

题目：
给定两个字符串，求解这两个字符串的最长公共子序列（Longest Common Sequence）。
比如字符串1：BDCABA；字符串2：ABCBDAB
则这两个字符串的最长公共子序列长度为4，最长公共子序列是：BCBA

问题分析

对于动态规划的问题我们一般使用数组记录小的分组得到的结果。在该题中我们利用循环比较两条序列的每个字符，分三种情况。
举个小例子：
（S1={1,3,4,5,6,7,7,8}和S2={3,5,7,4,8,6,7,8,2}）

假如S1的最后一个元素 与 S2的最后一个元素相等，那么S1和S2的LCS就等于 {S1减去最后一个元素} 与 {S2减去最后一个元素} 的 LCS 再加上 S1和S2相等的最后一个元素。

假如S1的最后一个元素 与 S2的最后一个元素不等（本例子就是属于这种情况），那么S1和S2的LCS就等于 ： {S1减去最后一个元素} 与 S2 的LCS， {S2减去最后一个元素} 与 S1 的LCS 中的最大的那个序列。

数学公式如下：

伪代码：

①设数组c[][] 和数组b[][]，c[][] 记录此时最长公共子序列的长度，b[][] 记录产生最长公共子序列的过程。
②利用循环遍历比较每个字符，当字符相同时，此时最长公共子序列加一，记录过程为1；当c [i-1] [j] >= c [i] [j-1] 时，c [i] [j] = c [i-1] [j] ，记录过程为2；当c [i-1] [j] < c [i] [j-1] 时，相反，记录为3。
③通过b [i] [j] 倒推出S1和S2的LCS，并记录下标。
④打印输出，结束。

代码：

#include <iostream>
#include <string>

using namespace std;
void LCS(string s1,string s2)
{
   
    int m=s1.length()+1;
    int n=s2.length()+1;
    int **c;
    int **b;
    c=new int* [m];
    b=new int* [m];
    for(int i=0;i<m;i++)
    {
   
        c