用二分法优化动态规划——实现快速决策

本文始发于个人公众号：TechFlow，原创不易，求个关注

今天是算法与数据结构专题的17篇文章，也是动态规划专题的第6篇。

今天我们一起来看一道非常经典的动态规划的问题，有多经典呢？我想了一下，大概是我这辈子做的最早的一道动态规划问题，以至于我现在都记得它的题面。

题面

这道题就是导弹拦截系统，说是某一个国家开发了一套导弹拦截系统，这个拦截系统可以拦截敌国打来的导弹。不同射程的导弹在弹射出去的时候的飞行高度都不同，这个拦截系统可以从低到高拦截飞来的导弹，但是它下一次拦截的高度必须大于等于上一次高度，只能升高不能降低。那么请问，假设我们检测到了所有敌国发射的导弹飞行的高度，请问我们最多可以拦截其中多少枚？

上面讲题意讲了这么多，其实用一句话就概括了，就是求一个序列当中最长不下降子序列的长度。也有题目反过来求最长不上升子序列，意思是一样的。

暴力解法

我们来看一个例子，假设敌国一共发来了8枚导弹，它们的飞行高度分别是：[65, 158, 170, 299, 300, 155, 207, 389]。

我们用眼睛看看还是蛮容易找出答案的，答案应该是[65, 158, 170, 299, 300, 389]一共6枚导弹，其中的155和207无法拦截。假设我们不知道这是一个动态规划算法，我们怎么想出解法呢？

还是老规矩，我们先从最简单的暴力方法开始思考。最暴力的方法就是枚举这n个数所有可能出现的状态，对于其中的每个元素而言，都有两种状态，一种是拿取，一种是不拿。那么对于一个n个元素的数组而言，显然一共会有$2^n$个不同的可能。然后我们再依次判断每一种可能性是否合法，保留合法的长度最大的那一个。

当然我们也可以用搜索来做，我们可以在搜索的过程当中排除掉非法的组合，但在极端情况下，比如整个数组升序的时候，那么还是会枚举到所有的情况，那么整体的复杂度依然是$2^n$。这显然是我们不能接受的。

那我们怎么来找到更好的解法呢？

感性的认识

我们观察和思考一下这个问题，我们会发现在这个问题当中，不同规模的解法应该都是一样的。如果某种方法可以解出长度为1000的序列，那么自然也可以解出长度为5的序列，反之也是一样。所以我们不由地可以想到，那我们从最简单的情况开始入手，能不能找到解法呢？

我们从长度为1的数组开始，显然答案是确定的，就是1.

如果长度是2呢？比如[65, 158]，那么我们需要判断一下第二个数能否跟在第一个数后面，也就是说第二个数是否大于等于第一个数，如果成立的话，那答案就是2，否则答案还是1，比如[65, 34]，最长的序列就只能是[65]或者[34]。

那如果是3个数呢？情况会复杂一点，我们可以反过来分析，如果答案是3，那么只有一种情况就是序列是递增的，如果答案是2，那么就有两种情况，一种是前面两个元素构成递增比如[20, 30, 10]，第二种情况是前面两个元素之中的一个和第三个数构成递增，比如[10, 5, 30]或者是[10, 5, 8]。也有可能答案是1，当序列是递减的时候。

表面上看我们什么也没有发现，并没有找出一个好的方案来解决问题，但是其实已经有一个很重要的结论摆在了我们面前——这个最长不下降的序列并不一定包含最后一个元素。

看起来这似乎是废话，答案当然可能不包含最后一个元素，因为如果最后一个元素非常小，它显然不可能组成很长的序列。但是反过来看，我们的结论会整个颠覆。既然答案并不一定以最后一个元素结尾，而序列必须有一个结尾，而目前我们没有结论证明某一个节点会不能作为结尾。所以我们自然地得出结论，所有位置都有可能是答案的结尾。

这个其实很好证明，我们来看下面这张图：

在这个序列当中，a1, a2到ai递增，从ai+1开始递减，并且 a i + 1 < a 1 a_{i+1} < a_1 a