动态规划解决最长公共子串问题及华为机考实战

1. 项目概述：字符串处理中的经典问题

字符串处理是编程面试和实际开发中的高频考点，而查找最长公共子串（Longest Common Substring）更是华为等大厂机考的经典题型。这个问题要求从两个给定的字符串中找出最长的连续相同字符序列。与最长公共子序列（LCS）不同，子串要求字符必须是连续的。

在实际工作中，这个算法可以应用于DNA序列比对、论文查重系统、代码相似度检测等场景。华为作为通信设备巨头，其考题往往与网络配置管理、日志分析等实际业务相关——例如分析设备日志中的异常模式时，就需要这类字符串匹配技术。

2. 核心算法解析

2.1 动态规划解法

最经典的解决方案是动态规划（DP），时间复杂度O(mn)，空间复杂度O(mn)。我们构建一个二维DP数组，其中dp[i][j]表示以a[i]和b[j]结尾的最长公共子串长度：

python复制def longest_common_substring(a, b):
    m, n = len(a), len(b)
    dp = [[0]*(n+1) for _ in range(m+1)]
    max_len = 0
    end_pos = 0
    
    for i in range(1, m+1):
        for j in range(1, n+1):
            if a[i-1] == b[j-1]:
                dp[i][j] = dp[i-1][j-1] + 1
                if dp[i][j] > max_len:
                    max_len = dp[i][j]
                    end_pos = i
            else:
                dp[i][j] = 0
                
    return a[end_pos-max_len:end_pos]

关键点：当字符匹配时，状态转移方程为dp[i][j] = dp[i-1][j-1] + 1；否则重置为0。需要同时记录最大长度和结束位置。

2.2 后缀自动机优化

对于超长字符串（如DNA序列），可以使用后缀自动机将时间复杂度优化到O(m+n)。虽然华为机考通常不需要这种高级解法，但在实际工程中处理GB级日志时很有价值：

1. 先为字符串a构建后缀自动机
2. 用字符串b在后缀自动机上运行匹配
3. 记录匹配过程中的最大长度

3. 华为机考的特殊要求

3.1 输入输出规范

华为OJ平台通常要求严格符合输入输出格式。示例输入可能是：

code复制abcdefg
defabc

对应的函数接口可能要求：

python复制def solution(input_str):
    # 处理输入
    a, b = input_str.split('\n')
    # 核心逻辑
    result = longest_common_substring(a, b)
    # 返回结果
    return result

3.2 性能边界处理

需要注意的特殊case：

• 两个字符串完全相同（返回任