动态规划策略实现最长公共子序列。 最长公共子序列问题：对两个类型相同的序列（输入），用动态规划方法计算他们的最长公共子序列，并输出最长公共子序列的长度值。

好的，最长公共子序列问题可以用动态规划策略来解决。下面是动态规划策略的实现步骤：

1.定义状态：设dp[i][j]为序列1的前i个元素和序列2的前j个元素的最长公共子序列长度。

2.状态转移方程：如果序列1的第i个元素与序列2的第j个元素相同，则dp[i][j] = dp[i-1][j-1] + 1；否则dp[i][j] = max(dp[i-1][j], dp[i][j-1])。

3.初始化：dp[0][j] = 0, dp[i][0] = 0。

4.输出结果：dp[m][n]即为两个序列的最长公共子序列长度。

下面是Python代码实现：

def longest_common_subsequence(str1, str2):
    m, n = len(str1), len(str2)
    dp = [[0] * (n+1) for _ in range(m+1)]
    for i in range(1, m+1):
        for j in range(1, n+1):
            if str1[i-1] == str2[j-1]:
                dp[i][j] = dp[i-1][j-1] + 1
            else:
                dp[i][j] = max(dp[i-1][j], dp[i][j-1])
    return dp[m][n]

调用该函数，可以得到两个序列的最长公共子序列长度。