动态规划算法：（2）最长公共子序列（python和C++描述 ）

动态规划算法的入门教程：动态规划算法：（1）入门介绍及案例分析

接下来通过 最长公共子序列（LCS） 来加深对动态规划算法的理解。

1、问题描述：

2、思路分析：

3、代码：

• python写法：

if __name__ == "__main__":
    A = input()  # 第一个字符串
    B = input()  # 第二个字符串
    dp = [[0 for _ in range(len(B)+1)] for _ in range(len(A)+1)]  # 状态转移 初始化为0

    # 边界，在初始化时已经为0，这里其实不用再定义边界，但是为了可读方便，这里加上
    for i in range(len(A)+1):
        dp[i][0] = 0
    for j in range(len(B)+1):
        dp[0][j] = 0

    # 求解状态转移方程
    for i in range(1, len(A)+1):  # 从下标1开始,因为下标0是边界，已知
        for j in range(1, len(B)+1):
            if A[i-1] == B[j-1]:  # 因为A,B下标都是从0开始的，所以都要-1
                dp[i][j] = dp[i-1][j-1] + 1
            else:
                dp[i][j] = max(dp[i-1][j], dp[i][j-1])

    print("答案：", dp[len(A)][len(B)])

结果：

• C++写法：

#include <iostream>
using namespace std;
#include <algorithm>
#include <string>

int main()
{
	const int N = 100;
	string A, B;
	cin >> A;
	cin >> B;
	int dp[N][N];
	cout << A[A.size()];
	//边界
	for (int i = 0; i < A.size(); i++)
	{
		dp[i][0] = 0;
	}
	for (int j = 0; j < B.size(); j++)
	{
		dp[0][j] = 0;
	}

	//求解状态转移方程
	for (int i = 1; i <= A.size(); i++)
	{
		for (int j = 1; j <= B.size(); j++)
		{
			if (A[i-1] == B[j-1]) // 因为A,B下标都是从0开始的，所以都要-1
			{
				dp[i][j] = dp[i - 1][j - 1] + 1;
			}
			else
			{
				dp[i][j] = max(dp[i][j - 1], dp[i - 1][j]);
			}
		}
	}

	cout << "答案：" << dp[A.size()][B.size()] << endl;

	return 0;
}

结果：

4、总结：

动态规划算法的核心在于如何设计状态转移方程，而这也是动态规划算法最难的地方。

动态规划算法：（1）入门介绍及案例分析