LCIS-最长公共上升子序列

LCIS-最长公共上升子序列

以 $f[i][j]$ 表示： 在序列 $a$ 中的前 $i$ 个字符和序列 $b$ 中的前 $j$ 个字符中选出的结尾为 $b[j]$ 的最长公共上升子序列的值；
若 $a[i]!=b[j]$，则 $$f[i][j]=f[i-1][j]$$，序列 $a$ 只能在前 $i-1$ 个字符中选取了；
若 $a[i]=b[j]$，则 $$f[i][j]=\underset{\begin{array}{c}1\le k<j\\ b[k]<b[j]=a[i]\end{array}}{\max }f[i-1][k]+1；$$这个式子的意思即为考虑LCIS中的倒数第二个元素，假设为 $b[k]$，只要它满足上升的条件（即 $b[k]<b[j]$）就可以用它来更新；最后的 $+1$ 意为 $a[i]=b[j]$ 这一位公共字符的长度。

最后，其答案即为 $$\text{result}=\underset{0\le i\le n}{\max }f[n][i]；$$取到0时即为序列 $b$ 中一个都选不出来（没有公共部分）。

其核心代码如下：

	for(int i=1;i<=n;i++)
		for(int j=1;j<=n;j++)
		{
			f[i][j]=f[i-1][j];
			if(a[i]==b[j])
			{
				for(int k=1;k<j;k++)
					if(b[k]<b[j])f[i][j]=max(f[i][j],f[i-1][k]+1);
			}
		}
	int res=0;
	for(int i=0;i<=n;i++)res=max(res,f[n][i]);

在这样的朴素算法中，需要三重循环，时间复杂度 $O(n^3)$；然而再最后一重循环中，有许多重复的计算，可以优化掉：

对于一个固定的 $i$ , 在第三重循环下的判断条件中， $b[k]<b[j]$ 等价于 $b[k]<a[i]$；这个条件与 $j$ 无关。

所以对于某个下标 $j$ ，第三重循环等于在计算：当 $k$ 为一个比当前的 $j$ 要小的下标时，满足 $b[k]<a[i]$ 的状态（由于 $i$ 固定所以 $a[i]$ 为定值）；
而当当前的 $j$ 遍历到下一个值（即 $j+1$）时，第三重循环仍然是在计算：当 $k$ 为一个比当前 $j+1$ 要小的下标时，满足 $b[k]<a[i]$ 的状态。

对比发现，当 $j$ 增加时，在第三重循环的计算中只需要多比较一次 $k=j$ 时的 $f[i-1][k]$ 的状态的值来取出最大的那个即可；然而，实际的朴素程序中重新做了一次循环遍历来计算最大值。
因此，可以维护一个变量 $\text{tmp}$ ，在每次 $j$ 循环时更新它的值即可，从而消除第三层循环，使复杂度变为平方级别。

更新后的核心代码如下：

for(int i=1;i<=n;i++)
	{
		int tmp=0;
		for(int j=1;j<=n;j++)
		{
			f[i][j]=f[i-1][j];
			if(b[j]==a[i])f[i][j]=max(f[i][j],tmp+1);  // tmp 对应原先第三重循环所遍历出来的最大的 f[i-1][k]
			if(b[j]<a[i])tmp=max(tmp,f[i-1][j]);  // 每当 j 增加一个，只要满足 b[j]<a[i] 的条件就要维护 tmp 的值
		}
	}
	int res=0;
	for(int i=0;i<=n;i++)res=max(res,f[n][i]);