基于DP的LCS（最长公共子序列）问题

最长公共子序列，即给出两个序列，给出最长的公共序列，例如：

序列1 understand

序列2 underground

最长公共序列undernd，长度为7

一般这类问题很适合使用动态规划，其动态规划描述如下：

设序列1为s,序列2为t，则

if s[i+1]==t[j+1] dp[i+1][j+1]=dp[i][j]+1

else dp[i+1][j+1]=max(dp[i][j+1],dp[i+1][j])

代码如下：

#pragma once
#include <string>

using std::string;

string LCS(string s, string t)
{
    const int MAX_N = ;
    int dp[MAX_N][MAX_N];
    string rec[MAX_N][MAX_N];

    for (int i = ;i < s.size();++i)
    {
        for (int j = ;j < t.size();++j)
        {
            dp[i][j] = ;
            rec[i][j].clear();
        }
    }
    for (int i = ;i < s.size();++i)
    {
        for (int j = ;j < t.size();++j)
        {
            if (s[i] == t[j])
            {
                dp[i + ][j + ] = dp[i][j] + ;
                rec[i + ][j + ] = rec[i][j] + s[i];
            }
            else
            {
                if (dp[i][j + ] > dp[i + ][j])
                {
                    dp[i + ][j + ] = dp[i][j + ];
                    rec[i + ][j + ] = rec[i][j + ];
                }
                else
                {
                    dp[i + ][j + ] = dp[i + ][j];
                    rec[i + ][j + ] = rec[i + ][j];
                }
            }
        }
    }
    return rec[s.size()][t.size()];
}

以上为backward approach（forward search），如果选择后溯，则需要记录何时存储数组，何时直接使用已有数据。