最大上升子序列

最长公共子序列

描述

给定两个整数序列，写一个程序求它们的最长上升公共子序列。
当以下条件满足的时候，我们将长度为N的序列S1 , S2 , . . . , SN 称为长度为M的序列A1 , A2 , . . . , AM 的上升子序列：
存在 1 <= i1 < i2 < . . . < iN <= M ，使得对所有 1 <= j <=N，均有Sj = Aij，且对于所有的1 <= j < N，均有Sj < Sj+1。

输入

每个序列用两行表示，第一行是长度M(1 <= M <= 500)，第二行是该序列的M个整数Ai (-231 <= Ai < 231 )

输出

在第一行，输出两个序列的最长上升公共子序列的长度L。在第二行，输出该子序列。如果有不止一个符合条件的子序列，则输出任何一个即可。

样例输入

5
1 4 2 5 -12
4
-12 1 2 4

样例输出

2
1 4

思路：

此题的切入点就是动态规划，通过dp来确定哪些字符是最长公共子序列中的字符，用d[i][j]表示以a数组的前i个元素，b数组的前j个元素并且以b[j]为结尾的LCIS的长度。

简单的说就是把a数组的所有值看成矩阵的列，b数组的所有值看成矩阵的行，

如图（一个表格）

B1 B2 B3
A1 – --
A2 – --
设一个二重循环（i在外层，j在内层），

（1）当a[i] ！= b[j]时， d[i][j] = d[i-1][j];

这里保证到i、j为止的最大长度不可能小于i-1，j的长度。因为 d[i][j] 是以 b[j] 为结尾的LCIS，如果 d[i][j] > 0 那么就说明 a[1] … a[i] 中必然至少有一个元素 a[k] 等于 b[j]。因为 a[k] != a[i]，那么 a[i] 对与d[i][j] 无关，、所以在 a[i] != b[j] 的情况下必然有 d[i][j] = d[i-1][j]。
（2）当a[i]==b[j]时， 首先，这个等于起码保证了长度为1的LCIS。然后我们还需要去找一个最长的且能让b[j]接在其末尾的LCIS。之前最长的LCIS在哪呢？首先我们要去找的d数组的第一维必然是i-1。因为i已经拿去和b[j]配对去了，不能用了。第二维需要枚举 b[1] … b[j-1]了，因为你不知道这里面哪个最长且哪个小于 b[j]。
（3）状态转移方程：
a[i] != b[j]: dp[i][j]=dp[i-1][j] ；
a[i] == b[j]: dp[i][j]=max(d[i-1][k]) + 1 ； （1<= k <= j-1）
（4）But！还没说完，这个算法最关键的是，如果按照一个合理的递推顺序，max(d[i1][k])的值我们可以在之前访问 d[i-1][k] 的时候通过维护更新一个max变量得到。怎么得到呢？首先递推的顺序必须是状态的第一维在外层循环，第二维在内层循环。也就是算好了 d[1][n] 再去算 d[2][1]。 如果按照这个递推顺序我们可以在每次外层循环的开始加上令一个max变量为0，然后开始内层循环。当a[i]>b[j]的时候令max = d[i-1][j]。如果循环到了a[i] == b[j]的时候，则令 d[i][j] = max+1。 最后答案是 d[m][1] … d[m][n]的最大值。

算法说明

举个例子讲吧，a：【1 2 3】，b：【2 3】只讲核心部分，即怎么判出的最长公共上升子序列，输入输出部分暂时忽略。
从i=1的大循环开始，进入循环j=1，mx=6=0.因为两个判断条件都不符合，所以进入下一次循环j=2，同样两个判断条件都不符合，跳出内层循环。
进入i=2循环的大循环，从j=1开始，dp[2][1]=0,sign[2][1]=1,此时else if条件符合，所以dp[2][1]=1,ans=1。
而后进入i=2，j=2，两个判断语句都不符合，ans又被置成0。
最后进入i=3的大循环，首先是j=1，此时符合第一个判断语句，mx置为1，然后进入j=2，
符合第二个判断语句，注意：这时dp[3][2]=mx+1=1+1=2，ans=2，循环结束，代码核心部分结束。
三、数据结构
3个一维数组 1个二维数组
四、算法分析
不难看到，这是一个时间复杂度为O(n^3)的DP，有点大。。。
然后还有要注意的一点，因为用的是c++代码，里边有max函数，所以为了避免重