Longest Increasing Subsequence(LIS)

    已知集合A[1...n]，求最长上升(递增、单调增)子序列。较为常见的DP问题，实际上就是求以求Ai开始的最长子序列（1<=i<=n）。但关键是分解子问题，求原问题的最优解转化为求子问题的最优解，然后描述子问题，根据子问题的描述寻求最优解的递推关系，然后计算最优解，最终重构原问题的最优解。

    关于LIS问题，一般化的子问题可以描述为：集合Aij（i<=j），以Ai开始的LIS(i,j)是从Ai+1开始的第一个大于Ai的元素Ak（i<k<=j）开始的集合的LIS(k,j)+1，应满足条件存在k（i<k<=j）使得Ak>Ai，只要满足此条件，则LIS(k,j)也是最优解，可以采用cut-and-paste以及反证法证明(设LIS(i,j)=l，则满足条件存在k（i<k<=j）使得Ak>Ai的LIS(k,j)=l-1，如果LIS(k,j)不是最优解，即存在m(i<m<=j)使得Am>Ai，有LIS(m,j)>l-1，从而替换掉原来A(i,j)中的部分解使得LIS(i,j)>l，与LIS(i,j)是最优解矛盾)；否则LIS(i,j)=1。个人认为这种描述尽管忠于原问题的描述，但在实现时稍稍复杂。因此，可以考虑如下的描述。

    LIS问题实际上是一个特殊的计数问题，即对于集合Aij，对于Am（i=<m<=j），统计Ak（m+1<=k<=j）可以在LIS序列中作为Am（i=<m<=j）的后继的计数问题，LIS(i,j)问题即是求这些计数中的最大值。子问题的求解递推关系d(k)=max{d(k), d(m)+1}（Ak>Am）<这个问题可以这样来考虑，假如LIS(i,m)是Aim集合的LIS，那么只要存在Ak>Am（m+1<=k<=j）就有可能使原以Am结尾现以Ak结尾的上升子序列的长度增加1（d(k)=max{d(k), d(m)+1}）；对Am（i=<m<=j）依次统计便求得分别以Am结尾的上升子序列的长度，因此LIS问题即是求max{d(k)}。>；为方便回溯求解LIS序列，可采用向量pre来记录Ak的前驱。算法描述如下：

1. for i =1 to n
2.     d(i) = 1   {每个元素本身可以看作长度为1的子序列
3. for i = 1 to n
4.     pre(i) = -1 {-1表示a(i)没有前驱}
5. for i = 1 to n
6.     for j = i+1 to n
7.         if  a(j)>a(i) then   {a(j)可以作为a(i)的后继
8.             if d(i)+1 > d(j) then
9.                 d(j) = d(i)+1    {可以作为后继则计数+1，这里就体现了递推关系}
10.               pre[j] = i  {j的前驱是i}
11.           end if
12.       end if
13.    end for
14. end for
15. for i = 1 to n
16.     max = max{d(i)}
17. end for
18. return max

    算法的时间复杂性为O(n^2)，空间复杂性为O(n)。

    关于子问题的描述还有另一种描述方法，对于集合Aij（i<=j），LIS问题可转化为，对于Am（i<=m<=j），统计Ak（i<=k<=m-1）在LIS序列中可以作为Am的前驱的计数问题，LIS(i,j)问题即是求这些计数中的最大值。

 

关于更为详细的代码以及另一种子问题（对于集合Aij，对于Am（i=<m<=j），统计Ak（i<=k<=m-1）可以在LIS序列中作为Am的前驱的计数问题，LIS(i,j)问题即是求这些计数中的最大值。）描述可以参考：http://www.csie.ntnu.edu.tw/~u91029/LongestIncreasingSubsequence.html

http://scnuznh.blog.hexun.com/18145559_d.html

另外关于O(nlogn)的算法可以参考：

http://hi.baidu.com/napolengogo/blog/item/5c87b53559a1cf335bb5f596.html

http://www.slyar.com/blog/longest-ordered-subsequence.html

http://en.wikipedia.org/wiki/Longest_increasing_subsequence