动态规划-最长子序列模型

Grenier_CJY

已于 2024-06-29 10:42:04 修改

阅读量216

点赞数

分类专栏：动态规划文章标签：动态规划算法 c++

于 2023-01-01 12:07:03 首次发布

本文链接：https://blog.csdn.net/BLCJY/article/details/128511508

版权

动态规划专栏收录该内容

2 篇文章 0 订阅

订阅专栏

动态规划-最长子序列模型

区分概念：子串：要求连续，原序列的一段。子序列：不要求连续，但必须与原序列保持相同顺序

例题1：最长上升子序列问题（LIS）

问题描述：给定一个长度为 N 的数列 A ，求数值单调递增的子序列长度最长是多少
状态表示： $F [i]$ 表示以 $A [i]$ 为结尾的“最长上升子序列”的长度
阶段划分：子序列的结尾位置（数列 A 中的位置，从前到后）
转移方程： $F[i]=\max\limits_{0\le j< i,A[j]<A[i]} \{F[j]+1\}$
边界条件： $F [0] = 0$
目标状态： $\max\limits_{1\le i \le N}\{F[i]\}$

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cmath>
#include <cstring>
const int N=1000;
int mapp[N+2],f[N+2];

int main()
{
  int n,ans=0;
  std::cin>>n;
  for (int i=1;i<=n;i++) {
    std::cin>>mapp[i];
  }
  
  for (int i=1;i<=n;i++) {
    f[i]=1;
    for (int j=1;j<i;j++) {
      if (mapp[i]>mapp[j]) f[i]=std::max(f[i],f[j]+1);
    }
    ans=std::max(ans,f[i]);
  }
  
  std::cout<<ans<<std::endl;
  return 0;
}

例题1.5: 最长上升子序列的长度

如果不求解最长上升子序列的序列内容，仅仅维护最长上升子序列的长度，可以把时间从 $O_{(n^2)}$ 压缩到 $O_{(nlogn)}$

技巧：利用lower_bound函数二分查找序列中第一个不小于目标元素的元素
状态表示：与上面相同
步骤：放个链接
一点点理解：在f数列上 k 的位置上进行更改，我能保证在这个原数列到此为止，若要找出一个长度为 k 的上升序列，那么这是最优解，换句话说，只要最后一次更改在最后一个数，或者又在 F 后面加了一个数，那么 F 存储的便是真实的最长上升子序列的内容

// 板子代码
#include <iostream>
#include <cstdio>
#include <cmath>
#include <algorithm>
#include <cmath>
#include <vector>
const int N=200000;
int mapp[N+2];
std::vector<int> f;

int main()
{
    int n;
    std::cin>>n;
    for (int i=1;i<=n;i++) {
        std::cin>>mapp[i];
    }

    for (int i=1;i<=n;i++) {
        if (f.size()==0 || f[(int)f.size()-1]<mapp[i]) f.push_back(mapp[i]);
        else {
            int l=std::lower_bound(f.begin(),f.end(),mapp[i])-f.begin();
            f[l]=mapp[i];
        }
    }
    
    std::cout<<f.size()<<std::endl;
    return 0;
}

练习题：上升点列 CSP-J-2022

练习题：友好城市

练习题：拦截导弹

例题2:最长公共子序列问题（LCS）

问题描述：给定两个长度分别为 N 和 M 的字符串 A 和 B ，求既是 A 的子序列又是 B 的子序列的字符串长度最长是多少
状态表示： $F [i] [j]$ 表示 $A [i]$ 前的序列与 $B [j]$ 前的序列的“最长公共子序列的长度”
阶段划分：已经处理的前缀长度（两个字符串中的位置，即一个二维坐标）
转移方程： $F[i][j]=\max \begin{cases} F[i-1][j] \\ F[i][j-1] \\ F[i-1][j-1]+1 \quad\quad if\,A[i]=B[j] \end{cases}$
边界条件： $F [i] [0] = f [0] [j] = 0$
目标状态： $F [N] [M]$

// 板子代码
#include <iostream>
#include <cstdio>
#include <cmath>
#include <cstring>
#include <algorithm>

const int N=1000;
int A[N+2],B[N+2],f[N+2][N+2];

int main()
{
  int n;
  std::cin>>n;
  for (int i=1;i<=n;i++) {
    std::cin>>A[i]>>B[i];
  }
  
  for (int i=1;i<=n;i++) {
    for (int j=1;j<=n;j++) {
      f[i][j]=std::max(f[i-1][j],f[i][j-1]);
      if (A[i]==B[j]) f[i][j]=std::max(f[i][j],f[i-1][j-1]+1);
    }
  }
  
  std::cout<<f[n][n]<<std::endl;
  return 0;
}

例题3:最长公共上升子序列问题（LICS）

思路：结合上述两算法的综合运用
问题描述：就是俩数列 A B ，求俩数列的最长的公共的上升的子序列
状态设计： $F [i] [j]$ 表示 $A_1-A_i$ 和 $B_1-B_j$ 中可以构成以 $B_j$ 为结尾的最长公共上升子序列的长度
状态转移： $F[i][j]=\begin{cases} F[i-1][j] \quad if\;A[i]\ne B[j] \\ \max\limits_{0\le k <j,B_k<B_j} \{ F[i-1][k] \}+1 \quad if\; A[i]=b[j] \end{cases}$
可能的问题：不想等的时候为什么转移变少了，没有 $F [i] [j - 1]$ ，由于增加了条件，必须以 $B_j$ 为结尾，所以另一种情况不成立了。
仔细观察产生的优化：仔细观察下面两个代码片段

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cstring>
#include <cmath>

const int N=3000;
int a[N+2],b[N+2],f[N+2][N+2];  // 集合: 所有由第一个序列的前i个字母，和第二个序列的前j个字母构成的，且以b[j]为结尾的公共上升子序列的合集
                                // 性质: 最大值

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

//case1:未优化版本，时间复杂度O(n^3)
    int ans=0;    
    for (int i=1;i<=n;i++) {
        for (int j=1;j<=n;j++) {
            if (a[i]==b[j]) {
                f[i][j]=std::max(f[i][j],1);
                for (int k=1;k<j;k++) {
                    if (b[k]<a[i]) f[i][j]=std::max(f[i][j],f[i-1][k]+1);
                }
            }
            else f[i][j]=f[i-1][j];
            if (i==n) ans=std::max(ans,f[n][j]);
        }
    }
    
//case2:优化版本，时间复杂度O(n^2)
    int ans=0;    
    for (int i=1;i<=n;i++) {
        int tag=0;
        for (int j=1;j<=n;j++) {
            if (a[i]==b[j]) {
                f[i][j]=std::max(f[i][j],1);
                f[i][j]=std::max(f[i][j],f[i][tag]); //(没有这句话也对，我也不知道为啥)
                for (int k=tag+1;k<j;k++) {
                    if (b[k]<a[i]) f[i][j]=std::max(f[i][j],f[i-1][k]+1);
                }
                tag=j;
            }
            else f[i][j]=f[i-1][j];
            if (i==n) ans=std::max(ans,f[n][j]);
        }
    }

//输出
    std::cout<<ans<<std::endl;
    return 0;
}

/*
优化内容：
当i不变的时候，对于一个新的j，使得a[i]==b[j]成立的时候，k的范围其实不需要从1开始枚举，因为a[i]不变，所以可以打标记减少重复枚举，减小一维度的枚举
*/