利用二分查找的方式实现求解LIS(最长上升子序列)问题

我们在之前讲过复杂度为O(n^2)的LIS模型，在较大输入规模会超时，所以利用复杂度较小为O(nlogn)的二分查找的LIS模型 来解决LIS普遍性问题。

我们会介绍两种二分查找的模型：

1.使用c++标准库中的lower_bound 函数。该函数返回的是指向不小于目标值的第一个元素的迭代器，如果所有元素都小于目标值，则返回的是容器的 end 迭代器。

相关模板为：

 vector<int> lis; // 最长上升子序列

    for (int i = 1; i <= n; i++)
    {
        auto it = lower_bound(lis.begin(), lis.end(), a[i]); // 在lis中找到第一个不小于a[i]的位置
        if (it == lis.end())
            lis.push_back(a[i]); // 如果找不到，则a[i]添加到lis的末尾
        else
            *it = a[i]; // 如果找到，则更新该位置的值为a[i]
    }

    cout << lis.size() << '\n'; // 输出lis的长度

2.使用自定义的二分查找函数 binarySearch。在这个函数中，将 left 和 right 分别指向当前搜索范围的左右边界，通过不断根据目标值与中间元素的比较来更新 left 和 right 的值，最终找到目标值或确定目标值不存在。

相关模板为：

int binarySearch(vector<int>& v, int key) {
    int left = 0;
    int right = v.size() - 1;
    while (left <= right) {
        int mid = left + (right - left) / 2;
        if (v[mid] >= key) {
            right = mid - 1;
        } else {
            left = mid + 1;
        }
    }
    return left;
}
 vector<int> a(n);
    for (int i = 0; i < n; i++) {
        cin >> a[i];
    }

    vector<int> lis;
    for (int i = 0; i < n; i++) {
        int idx = binarySearch(lis, a[i]);
        if (idx >= lis.size()) {
            lis.push_back(a[i]);
        } else {
            lis[idx] = a[i];
        }
    }

    cout << lis.size();

这两种方法之间的区别在于它们在查找目标值时返回的具体位置。具体区别如下：

1. lower_bound 函数返回的是一个迭代器，而自定义的 binarySearch 函数返回的是一个索引（位置）。

2. lower_bound 函数返回的是不小于目标值的第一个元素的迭代器，如果所有元素都小于目标值，则返回容器的 end 迭代器。而自定义的 binarySearch 函数返回的是目标值第一次出现的索引，如果目标值在数组中不存在，则返回一个使得目标值可以插入到数组中而不破坏有序性的位置。

所以，如果只需要判断目标值是否在序列中出现，并不需要知道具体的位置，可以使用 lower_bound 函数。如果需要获取目标值在序列中的位置，可以使用自定义的 binarySearch 函数。