最长公共字串与公共子序列

这两个问题都可以用动态规划做，由于比较相似，所以经常混淆。在这里把思路写一写，防止以后出错。

定义上的区别

最长公共字串，字串是指连续的序列，也就是中间不能有隔开。而子序列则可以不是连续的，只要保持相对位置的正确即可。例如给两个字符串：abcde 和acde ，两个字符串的最长公共字串是cde ， 而最长公共子序列是acde 。

动态规划方法的区别

仍然以两个字符串s1 = abcde 和 s2 = acde 为例。

最长公共子串

最简单的方法就是依次比较，以某个串为母串，然后生成另一个串的所有长度的子串，依次去母串中比较查找，这里可以采用先从最长的子串开始，减少比较次数，但是复杂度依然很高。

上面的方法做了很多的重复计算。例如s1为母串，生成s2的字串去匹配s1.
那么字串有

a    c    d    e
ac   cd    de
acd   cde
acde
当我们匹配ac时，我们已经知道前缀为a时，有一个匹配。这时只需要找到匹配的位置，看s1中为a的位置的下一个字符是不是c。
当匹配cde时，我们知道cd有两个匹配。这时只需要看cd匹配的位置的下一个字符是不是e。如果是e，那么字串长度加1，否则为2。

连续i子串的特点就是如果str1[i]和str2[j]是属于某公共子串的最后一个字符，那么一定有str1[i]=str2[j] && str1[i-1] = str2[j-1]，从矩阵中直观的看，就是由“1”构成的“斜线”代表的序列都是公共子串，那么最长公共子串肯定就是斜线“1”最长的那个串。

最长公共子序列

事实上，最长公共子序列问题也有最优子结构性质。

记:

Xi=﹤x1，⋯，xi﹥即X序列的前i个字符 (1≤i≤m)（前缀）

Yj=﹤y1，⋯，yj﹥即Y序列的前j个字符 (1≤j≤n)（前缀）

假定Z=﹤z1，⋯，zk﹥∈LCS(X , Y)。

若xm=yn（最后一个字符相同），则不难用反证法证明：该字符必是X与Y的任一最长公共子序列Z（设长度为k）的最后一个字符，即有zk = xm = yn 且显然有Zk-1∈LCS(Xm-1 , Yn-1)即Z的前缀Zk-1是Xm-1与Yn-1的最长公共子序列。此时，问题化归成求Xm-1与Yn-1的LCS（LCS(X , Y)的长度等于LCS(Xm-1 , Yn-1)的长度加1）。

若xm≠yn，则亦不难用反证法证明：要么Z∈LCS(Xm-1, Y)，要么Z∈LCS(X , Yn-1)。由于zk≠xm与zk≠yn其中至少有一个必成立，若zk≠xm则有Z∈LCS(Xm-1 , Y)，类似的，若zk≠yn 则有Z∈LCS(X , Yn-1)。此时，问题化归成求Xm-1与Y的LCS及X与Yn-1的LCS。LCS(X , Y)的长度为：max{LCS(Xm-1 , Y)的长度, LCS(X , Yn-1)的长度}。

由于上述当xm≠yn的情况中，求LCS(Xm-1 , Y)的长度与LCS(X , Yn-1)的长度，这两个问题不是相互独立的：两者都需要求LCS(Xm-1，Yn-1)的长度。另外两个序列的LCS中包含了两个序列的前缀的LCS，故问题具有最优子结构性质考虑用动态规划法。

也就是说，解决这个LCS问题，你要求三个方面的东西：1、LCS（Xm-1，Yn-1）+1；2、LCS（Xm-1，Y），LCS（X，Yn-1）；3、max{LCS（Xm-1，Y），LCS（X，Yn-1）}。

引用自http://blog.csdn.net/v_july_v/article/details/6695482