动态规划—最长公共子序列

掌握动态规划求解问题的思想；针对不同的问题，会利用动态规划进行设计求解以及时间复杂度分析，并利用JAVA/C/C++等编程语言将算法转换为对应的程序上机运行（语言自选）。

理解两组序列的最长公共子序列问题，能够根据动态规划思想，进行最优子结构性质分析、子结构递归关系构建、编码实现子结构最优值求解以及最优解构造。

实验要求：

①掌握动态规划求解问题的策略及思路；

①基于动态规划算法设计求解序列的最长公共子序列；

③对上述算法进行时间复杂性分析，并输出程序运行时间及运行结果。

理解：

求解过程是多阶段决策的时候，每一步处理一个子问题，可用于求解最后的组合优化问题。我们能够保存已解决的子问题的答案，在需要时再找出已求得的答案，这样就可以避免大量的重复计算。我们用一个表来记录所有已解的子问题的答案。而且用动态规划方法必须满足优化原则，就是说最优解的任何一个子问题的解的状态是最优的解，也必须不是相互独立的。下面以求最短路径问题为例子。

例子：X={A,B,C,B,A,D,B}，Y={B,C,B,A,A,C}，那么，二者的最长公共子序列是{B,C,B,A}，长度为4。

先明白最长公共子序列和最长公共子串，找两个字符串的最长公共子串，这个子串要求在原字符串中是连续的。而最长公共子序列则并不要求连续。利用动态规划解决最长公共子序列问题的理解，界定子问题，子问题的依赖LCS，以及求LCS长度，最后构造最优解，如图所示。

四、实验步骤

完整代码实现；包括代码详细解释及功能设计说明。要求：格式清晰、卷面规范整洁。

package week5;
//最长公共子序列
public class zd {
    public static int lcscd(char[] x,char[] y,int[][] b){
        int m = x.length;        // x数组的长度
        int n = y.length;
// 首先要初始化第一行和第一列为0
        int[][] c = new int[m+1][n+1];
//        第一行第一列初始化为0
        for (int