最长递增子序列问题
它的英文专用名词是
LIS: longest increasing subsequence.
问题描述
一个数的序列bi,当b1 < b2 < … < bS的时候,我们称这个序列是上升的。对于给定的一个序列(a1, a2, …, aN),我们可以得到一些上升的子序列(ai1, ai2, …, aiK),这里1 <= i1 < i2 < … < iK <= N。比如,对于序列(1, 7, 3, 5, 9, 4, 8),有它的一些上升子序列,如(1, 7), (3, 4, 8)等等。这些子序列中最长的长度是4,比如子序列(1, 3, 5, 8).
你的任务,就是对于给定的序列,求出最长上升子序列的长度。
输入
输入的第一行是序列的长度N ( <= N <= )。
第二行给出序列中的N个整数,这些整数的取值范围都在到。
输出
最长上升子序列的长度。
样例输入
7
1 7 3 5 9 4 8
样例输出
4
题目链接
解题思路
1. 找子问题
“求序列的前n个元素的最长上升子序列的长度”是个子问题,但这样分解子问题,不具有“无后效性”
假设F(n) = x,但可能有多个序列满足F(n) = x。有的序列的最后一个元素比 an+1小,则加上an+1就能形成更长上升子序列;有的序列最后一个元素不比an+1小……以后的事情受如何达到状态n的影响,不符合“无后效性”
“求以ak(k=, , …N)为终点的最长上升子序列的长度”
一个上升子序列中最右边的那个数,称为该子序列的“终点”。
虽然这个子问题和原问题形式上并不完全一样,
但是只要这N个子问题都解决了,那么这N个子问题的解中,
最大的那个就是整个问题的解。
2.确定状态:
子问题只和一个变量-- 数字的位置相关。
因此序列中数的位置k 就是“状态”,
而状态 k 对应的“值”,
就是以ak做为“终点”的最长上升子序列的长度。
状态一共有N个。
3.找出状态转移方程:
maxLen (k)表示以ak做为“终点”的最长上升子序列的长度
那么:
初始状态:maxLen (1) = 1
maxLen(k)=max{maxLen(i):1<=i<k且ai<ak且k≠1} + 1
若找不到这样的i,则maxLen(k) = 1
maxLen(k)的值,就是在ak左边,“终点”数值小于ak ,
且长度最大的那个上升子序列的长度再加1。
因为ak左边任何“终点”小于ak的子序列,
加上ak后就能形成一个更长的上升子序列。
- AC代码
#include<iostream>
#include<cstdio>
#include<algorithm>
using namespace std;
const int MAXN=;
int dp[MAXN],a[MAXN];//dp[i]表示的是以第i个数为终点的最长上升子序列的长度
int main()
{
int N;
cin>>N;
for(int i=;i<N;i++)
{
cin>>a[i];
dp[i]=;
}
for(int i=;i<N;i++)
{
//求以第i个数为终点的最长上升子序列的长度
for(int j=;j<i;j++)
{
//遍历之前的数,察看以第j个数为终点的最长上升子序列
if(a[i]>a[j])
dp[i]=max(dp[i],dp[j]+);
}
}
cout<<*max_element(dp,dp+N)<<endl;
return ;
}
时间复杂度为O(N^2)
!改进算法
参考博客
改进算法的时间复杂度为nlonn
改进算法思想如下:
其实就是模拟一个栈
如果a[i]大于当前栈顶的元素
那么a[i]入栈
else
当前栈是严格递增的
在当前栈中二分查找栈中的比它大的第个数
然后替换掉那个数
这样做,增大了最大递增子序列增加元素的潜力
AC代码
#include<iostream>
#include<cstdio>
using namespace std;
const int MAXN=;
int a[MAXN];
int main()
{
int temp;
int n;
int s=;
cin>>n;
a[]=-;//给a[0]设置为一个很小的数 方便之后的比较
for(int i=;i<n;i++)
{
cin>>temp;
if(a[s]<temp) a[++s]=temp;
else
{
//在栈中二分查找第一个比tmep大的数
int l=,h=s,m;
while(l<=h)
{
m=l+(h-l)/;
if(temp>a[m])
l=m+;
else
h=m-;
}
a[l]=temp;
}
}
cout<<s<<endl;
}