比较动态规划和递归两种算法求最长公共子序列的运行时间，并分析递归算法效率低的原因。

动态规划和递归是两种常见的算法用于求解最长公共子序列（Longest Common Subsequence）问题。

动态规划算法的运行时间为O(m * n)，其中m和n分别为两个输入序列的长度。动态规划算法使用一个二维数组来保存中间结果，通过填表的方式依次计算出所有子问题的解，直到得到最终结果。由于每个子问题只需要计算一次，并且在计算当前子问题时，它所依赖的子问题的结果已经计算出来了，因此动态规划算法具有较好的时间复杂度。

递归算法的运行时间为指数级别，即O(2^(m+n))。递归算法是通过将原问题划分为更小的子问题来求解，但是在递归过程中会产生大量的重复计算。例如，在求解最长公共子序列时，如果两个序列的最后一个元素相同，则可以将问题转化为求解去掉最后一个元素的两个子序列的最长公共子序列；如果两个序列的最后一个元素不同，则可以分别求解去掉其中一个序列的最长公共子序列。但是递归算法没有记录已经计算过的子问题的结果，导致相同的子问题会被重复计算，从而降低了效率。

因此，递归算法的效率低主要是由于重复计算导致的。而动态规划算法通过保存中间结果避免了重复计算，因此具有更高的效率。