动态规划求最长递增子序列

最新推荐文章于 2024-08-14 09:28:32 发布

小鸡炖蘑菇_

最新推荐文章于 2024-08-14 09:28:32 发布

阅读量6.2k

点赞数 10

分类专栏：动态规划 algorithm 文章标签：动态规划算法

本文链接：https://blog.csdn.net/qq_21120027/article/details/47756377

版权

本文详细探讨了最长递增子序列问题，包括将其转化为LCS问题求解，使用动态规划的直接算法，以及对第二种算法的改进。通过动态规划，可以避免排序过程，提高算法效率。

摘要由CSDN通过智能技术生成

最长递增子序列问题是一个很基本、较常见的小问题，但这个问题的求解方法却并不那么显而易见，需要较深入的思考和较好的算法素养才能得出良好的算法。由于这个问题能运用学过的基本的算法分析和设计的方法与思想，能够锻炼设计较复杂算法的思维，我对这个问题进行了较深入的分析思考，得出了几种复杂度不同算法，并给出了分析和证明。

一，最长递增子序列问题的描述

设L=<a₁,a₂,…,a_n>是n个不同的实数的序列，L的递增子序列是这样一个子序列Lin=<a_K₁,a_k₂,…,a_{k_m}>，其中k₁<k₂<…<k_m且a_K₁<a_k₂<…<a_{k_m}。求最大的m值。

二，第一种算法：转化为LCS问题求解

设序列X=<b₁,b₂,…,b_n>是对序列L=<a₁,a₂,…,a_n>按递增排好序的序列。那么显然X与L的最长公共子序列即为L的最长递增子序列。这样就把求最长递增子序列的问题转化为求最长公共子序列问题LCS了。

最长公共子序列问题用动态规划的算法可解。设L_i=< a₁,a₂,…,a_i>,X_j=< b₁,b₂,…,b_j>，它们分别为L和X的子序列。令C[i,j]为Li与X_j的最长公共子序列的长度。则有如下的递推方程：

#include <iostream>
using namespace std;

/* 最长递增子序列 LIS
 * 设数组长度不超过 30
 * quicksort + LCS
*/

void swap(int * arr, int i, int j)
{
    int tmp = arr[i];
    arr[i] = arr[j];
    arr[j] = tmp;
}

void qsort(int * arr, int left, int right)
{
    if(left >= right)    return ;
    int index = left;
    for(int i = left+1; i <= right; ++i)
    {
        if(arr[i] < arr[left])
        {
            swap(arr,++index,i);
        }
    }
    swap(arr,index,left);
    qsort(arr,left,index-1);
    qsort(arr,index+1,right);
}

int dp[31][31];

int LCS(