算法系列_实例01_最长上升子序列问题

    之前在oj上做题基本上是按照题目要求一步一步往下做，有的就算分情况讨论的分支比较多，花点时间也还搞得定，但是直到遇到“合场队”和“Redraiment的走法”这两个题，实在把我难住了，在努力了几把之后，感觉自己智商不够，于是在网上找答案，这两个题可以归纳为“最长上升子序列问题”，是动态规划的入门级练习，有标准答案。在此记录一下，加深理解。首先摘录网上一段话，描述题目，以及解题思路。

最长上升子序列问题：
        给出一个由n个数组成的序列x[1..n]，找出它的最长单调上升子序列。即求最大的m和a1,a2……,am，使得a1<a2<……<am且x[a1]<x[a2]<……<x[am]。

动态规划求解思路分析：（O(n^2)）

       经典的O(n^2)的动态规划算法，设A[i]表示序列中的第i个数，F[i]表示从1到i这一段中以i结尾的最长上升子序列的长度，初始时设F[i] = 0(i = 1, 2, ..., len(A))。则有动态规划方程：F[i] = max{1, F[j] + 1} (j = 1, 2, ..., i - 1, 且A[j] < A[i])。

贪心+二分查找：（O(nlogn)）

        开辟一个栈，每次取栈顶元素s和读到的元素a做比较，如果a>s， 则加入栈；如果a<s，则二分查找栈中的比a大的第1个数，并替换。 最后序列长度为栈的长度。 这也是很好理解的，对x和y，如果x<y且E[y]<E[x],用E[x]替换 E[y],此时的最长序列长度没有改变但序列Q的''潜力''增大。
        举例：原序列为1，5，8，3，6，7 栈为1，5，8，此时读到3，则用3替换5，得到栈中元素为1，3，8， 再读6，用6替换8，得到1，3，6，再读7，得到最终栈为1，3，6，7 ，最长递增子序列为长度4。

下面贴上代码：

import java.util.Scanner;
public class Test_18_02 {
	public static void main(String[] args) {
		Scanner sc = new Scanner(System.in);
		int n = sc.nextInt();
		int [] input= new int[n];
		for(int i=0;i<n;i++){
			input[i]= sc.nextInt();
		}
		sc.close();
		
		int [] d = new int[n];
		int answer = 1 ;
		for(int i = 0;i < n;  i ++ ){
			d[i] = 1 ;
			for(int j = 0 ; j<i ; j++){
				if((input[i]>input[j])&&(d[i]<d[j]+1)){
					d[i]=d[j]+1;	//要注意 d[i] < d[j] + 1这个条件的限制，它是为了在
				}					//连续几个 d[i]相同时 只加一次
			}
			if(d[i]>answer){
				answer=d[i];
			}
		}
		System.out.println(answer);
	}
}

        利用F[i]（表示从1到i这一段中以i结尾的最长上升子序列的长度）这个对应的数组，马上就让解题的思路变清晰了，看来解决一个问题，要深入问题精髓，找到一个关键的切入点。还有就是利用由低阶到高阶的逻辑，先求F[1],再利用已知的F[1]求F[2]，而且求F[2]不会改变之前的F[1]。

参考资料：

http://www.cnblogs.com/dartagnan/archive/2011/08/29/2158247.html