根据无后效性的定义我们知道,将各阶段按照一定的次序排列好之后,对于某个给定阶段的状态来说,它以前各阶段的状态无法直接影响它未来的决策,而只能间接地通过当前状态来影响。换句话说,每个状态都是过去历史的一个完整总结。
同样地,仍以序列1,-1,2,-3,4,-5,6,-7中为例,我们在找到4之后,并不关心4之前的两个值具体是怎样,因为它对找到6并没有直接影响。因此,这个问题满足无后效性,可以使用动态规划来解决。
可以通过数字的规律来分析目标串:1,-1,2,-3,4,-5,6,-7。
使用i来表示当前遍历的位置:
当i=1时,显然,最长的递增序列为(1),序列长度为1.
当i=2时,由于-1<1。因此,必须丢弃第一个值然后重新建立串。当前的递增序列为(-1),长度为1.
当i=3时,由于2>1,2>-1。因此,最长的递增序列为(1,2),(-1,2),长度为2。在这里,2前面是1还是-1对求出后面的递增序列没有直接影响。
依次类推之后,可以得出如下的结论。
假设在目标数组array[]的前i个元素中,最长递增子序列的长度为LIS[i]。那么,
LIS[i+1]=max{1,LIS[k]+1},array[i+1]>array[k],for any k<=i
即如果array[i+1]大于array[k],那么第i+1个元素可以接在LIS[k]长的子序列后面构成一个更长的子序列。与此同时array[i+1]本身至少可以构成一个长度为1的子序列。
根据上面的分析,可以得到如下的代码:
// DP4.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include <iostream>
using namespace std;
const int N =1024;
int a[N];
int dp[N];
int solve(int a[],int len)
{
int ans=0;
for (int i=0;i<len;i++)
{
for (int j=0;j<i;j++)
{
if (a[i]>a[j] && dp[i]<dp[j]+1)
{
dp[i]=dp[j]+1;
}
}
if (dp[i]>ans)
{
cout<<a[i]<<" ";
ans=dp[i];
}
}
cout<<endl;
return ans;
}
int _tmain(int argc, _TCHAR* argv[])
{
int n=0;
cin>>n;//n代表有多少个数
for (int i=0;i<n;i++)
{
cin>>a[i];
dp[i]=1;
}
int ans=solve(a,n);
cout<<ans<<endl;
system("pause");
return 0;
}
// DP4.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include <iostream>
using namespace std;
const int N =1024;
int a[N];
int dp[N];
int solve(int a[],int len)
{
int ans=0;
for (int i=0;i<len;i++)
{
for (int j=0;j<i;j++)
{
if (a[i]>a[j] && dp[i]<dp[j]+1)
{
dp[i]=dp[j]+1;
}
}
if (dp[i]>ans)
{
cout<<a[i]<<" ";
ans=dp[i];
}
}
cout<<endl;
return ans;
}
int _tmain(int argc, _TCHAR* argv[])
{
int n=0;
cin>>n;//n代表有多少个数
for (int i=0;i<n;i++)
{
cin>>a[i];
dp[i]=1;
}
int ans=solve(a,n);
cout<<ans<<endl;
system("pause");
return 0;
}