算法竞赛进阶指南线性DP——最长上升公共子序列

前置知识

这里是最长上升子序列和最长公共子序列的结合。
我们在定义状态的时候，也可以将二者结合
先把公共子序列找出来，再找最大值
→ f(i,j)表示在a序列的1~i中和b序列的1 ~ j构成的以b[j]结尾的公共子序列长度的最大值。
通常以最末态来做划分，最末态中，b[j]肯定在子序列中，而a[i]不一定，考虑是否可以以a[i]是否在LCIS序列中进行划分。(这里的划分方式同LCS)

lcs划分方式 👇

（1）当a[i]不在序列中，又因为b[j]一定在序列中，所以a[i]≠b[j],此情况下，等同于在a序列的前i-1的数中与b中的前j个数，且以b[j]结尾的LCIS ,即f(i-1,j)

(2)a[i]=b[j]时，为了使前面的数尽可能多的匹配，所以a[i]一定和b[j]配，找到了公共子序列，求最长，参考LIS的处理方式。

因为最后一位都是b[j],寻找倒数第二位，从0 ~ j-1 进行枚举→ k ，需要满足条件b_k <b_j

LIS的划分情况👇

即

综上，问题得以解决

代码实现为：

这是O（n³）

如何优化至O(n²)
一般情况下优化的方式是看某一维是否可以用其他维度表示出来。
我们发现j不同，k不用，探求一下j与k之间有什么样的关系吗？
j=1 k=0 b[k]<b[j]
j=2 k=0、1 b[k]<b[j]
j=3 k=0、1、2 b[k]<b[j]
即j每增加1，k中就会产生一个新的候选集合，但是因为必须要满足b[k]<b[j],如果b[j]非常小，候选集中的出入情况就会有变化。无法确定k与j之间的关系

但是我们发现，有k进行讨论的前提是a[i]==b[j],可以把条件转化为
b[k]<a[i] 这样a[i]在当前阶段中是一个定值，每次当j增大时，要么会有1个数进入候选集合中，要么没有。

举例
a[i]=5
b={0,2,4,6,2}
j=1 k=0
j=2 k=0,1
j=3 k=0,1,2
j=4 k=0,1,2(因为b[4]=6>a[i],不符合条件)
j=5 k=0,1,2,4
👉 发现每次最多有一个数进入候选集合中，且这个数是j-1
有了这个发现，则不用再遍历k了，每次只需要判断j-1是否要进入候选集合中即可。

即设s为候选集合，当j+1得到j+1时，此时的候选集合情况为：
如果b[j]>a[i] (此时a[i]==b[j+1]) 这个数不满足条件，无法进入候选集合中
如果b[j]<a[i]=b[j+1],j 进入候选结合中，当前的候选集为原来的s(i,j)并 {j}

代码实现👇