【动态规划】登山模型-先上升后下降

题目传送门：AcWing 1014. 登山

---

一、题目重述

• N 个景点，按顺序浏览（编号递增）。
• 不能连续浏览海拔相同的两个景点。
• 一旦开始下山（海拔递减），就不能再上升。
• 求最多能浏览的景点数。

输入格式：

• 第一行：N（景点数量，2 ≤ N ≤ 1000）。
• 第二行：N 个整数，表示每个景点的海拔。

输出格式：

• 一个整数，表示最多能浏览的景点数。

示例：

输入：
8
186 186 150 200 160 130 197 220
输出：
4

---

二、题目分析

问题转化为：求一个 先严格上升、后严格下降 的子序列（不能有相邻相同海拔），且长度最长。

---

三、算法分析

1. 关键点：
   • 类似于“最长上升子序列”的变种。
   • 需要分别计算以每个点为峰值的 上升序列 和 下降序列 的长度之和。
2. 步骤：
   • 从左到右求每个点的最长上升子序列长度（f[i]）。
   • 从右到左求每个点的最长下降子序列长度（g[i]）。
   • 结果为 max(f[i] + g[i] - 1)（减去重复计算的峰值点）。

---

四、动态规划思路

a. 状态表示

• f[i]：以 a[i] 结尾的最长上升子序列长度。
• g[i]：以 a[i] 开头的最长下降子序列长度。

b. 初始化

• f[i] = 1（至少包含自己）。
• g[i] = 1。

c. 状态转移

• 上升部分：

  for (int i = 1; i <= n; i++) {
      f[i] = 1;
      for (int j = 1; j < i; j++) {
          if (a[j] < a[i]) f[i] = max(f[i], f[j] + 1);
      }
  }
  

• 下降部分：

  for (int i = n; i >= 1; i--) {
      g[i] = 1;
      for (int j = n; j > i; j--) {
          if (a[j] < a[i]) g[i] = max(g[i], g[j] + 1);
      }
  }
  

d. 最终结果

• res = max(f[i] + g[i] - 1)。

---

五、代码实现

#include <iostream>
#include <algorithm>
using namespace std;

const int N = 1010;
int n, a[N], f[N], g[N];

int main() {
    cin >> n;
    for (int i = 1; i <= n; i++) cin >> a[i];

    // 正向求最长上升子序列
    for (int i = 1; i <= n; i++) {
        f[i] = 1;
        for (int j = 1; j < i; j++) {
            if (a[j] < a[i]) f[i] = max(f[i], f[j] + 1);
        }
    }

    // 反向求最长下降子序列
    for (int i = n; i >= 1; i--) {
        g[i] = 1;
        for (int j = n; j > i; j--) {
            if (a[j] < a[i]) g[i] = max(g[i], g[j] + 1);
        }
    }

    // 合并结果
    int res = 0;
    for (int i = 1; i <= n; i++) res = max(res, f[i] + g[i] - 1);
    cout << res << endl;
    return 0;
}

---

六、重点细节

1. 海拔相同：题目要求不能连续相同，但代码中 a[j] < a[i] 已经隐含处理（严格递增/递减）。
2. 反向遍历：计算 g[i] 时需从右向左，表示“从 i 开始下降”。
3. 峰值重复：f[i] + g[i] - 1 是因为峰值点被计算了两次。

---

七、复杂度分析

• 时间复杂度：O(N²)，两重循环。
• 空间复杂度：O(N)，存储 f 和 g 数组。

---

八、总结

• 本题是 最长上升子序列 的变形，通过正反两次动态规划求解。
• 关键点在于理解“先上升后下降”的模型，并合并两部分结果。
• 类似题目：AcWing 482. 合唱队形（几乎相同）。