最长公共子序列问题是在两个序列中找到最长公共子序列的问题。下面是三种不同的Python实现，用于解决最长公共子序列问题。

1. 动态规划实现：

动态规划解决方法是将问题分解为一系列子问题，并在这些子问题上进行递归求解。下面是Python实现：

def lcs_dp(s1, s2):
    m = len(s1)
    n = len(s2)
    l = [[None]*(n + 1) for i in range(m + 1)]
    
    for i in range(m + 1):
        for j in range(n + 1):
            if i == 0 or j == 0:
                l[i][j] = 0
            elif s1[i-1] == s2[j-1]:
                l[i][j] = l[i-1][j-1] + 1
            else:
                l[i][j] = max(l[i-1][j], l[i][j-1])
        
    index = l[m][n]
    lcs = [""] * (index+1)
    lcs[index] = ""
    
    i = m
    j = n
    while i > 0 and j > 0:
        if s1[i-1] == s2[j-1]:
            lcs[index-1] = s1[i-1]
            i -= 1
            j -= 1
            index -= 1
        elif l[i-1][j] > l[i][j-1]:
            i -= 1
        else:
            j -= 1
    
    return "".join(lcs)

2. 递归实现：

递归解决方法是将问题递归分解为更小的子问题，直到问题大小足够小，可以直接解决。下面是Python实现：

def lcs_rec(s1, s2,