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:
-
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)。 -
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。