代码如下:
<pre name="code" class="java">
public class Decrease {
/**
* @param PLA
*
*/
/*算法描述:
* 用动态规划解决此问题,设A为原数组,另设数组B(大小与A相同)做为辅助数组,其中
* B[i]用来存储以A[i]为结尾的最长递减子序列的长度,比如i=3,A[3]=2比其前面任何
* 元素都小,所以B[3]=4.
* 可以得出:B[i]=max(B[k]+1,A[k]>A[i]&&0=<k<i),且B[0]=1
* 遍历一遍,得出最长递减子序列长度,设为K,并设max_i为取得最长长度是在原数组A中的位置,
* 则A[max_i]必为最小值。
* 且A[max_i]为自序列中最后一个元素,从K开始,往回搜索,当满足B[i]+1==B[k]&&
* A[i]>A[k]时,则A[i]就是前一个元素,递归求出该自序列。
* 算法复杂度为O(n^2)。
* */
public static void main(String[] args) {
// TODO Auto-generated method stub
int A[] = { 9, 4, 3, 2, 5, 4, 3, 2 };
System.out.println("最长子序列为:");
max_dec_subseq(A, 8);
}
/*
* 遍历最长递减子序列,递归法 A - 源序列数组
* B - 通过DP求出的辅助数组
* k - 使得B[i]最大的i值
*/
static void max_dec_subseq_traverse(int[] A, int[] B, int k) {
int i;
for (i = k; i >= 0; i--) {
if (A[i] > A[k] && B[k] == B[i] + 1) {
max_dec_subseq_traverse(A, B, i);
break;
}
}
System.out.println("A[" + k + "]=" + A[k]);
}
/*
* DP(动态规划)法求解最长递减子序列
* A - 源序列数组
* len - 数组大小
*/
static void max_dec_subseq(int[] A, int len) {
int i, j, max_i = 0;
int[] B = new int[len];
for (i = 0; i < len; i++) {
B[i] = 1;
for (j = 0; j < i; j++) {
if (A[j] > A[i] && (B[j] + 1) > B[i]) {
B[i] = B[j] + 1;
if (B[i] > B[max_i])
max_i = i;
}
}
}
max_dec_subseq_traverse(A, B, max_i);
}
}
运行结果:
最长子序列为:
A[0]=9
A[4]=5
A[5]=4
A[6]=3
A[7]=2