LIS(Longest Increasing Sequence)
朴素做法O(n^2)
- 状态表示:
f[i]
表示以a[i]结尾的IS的长度的最大值,或者说是(a[0]~a[i])这一段序列的LIS
。 - 状态表示f[i]
- 集合: 以a[i]结尾的递增子序列
- 属性: 长度最大值
- 状态计算
- 当
a[pre] < a[i]
,f[i] = max(f[i], f[pre] + 1)
- 当
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
const int N = 1000 + 100;
int a[N], f[N];
int n;
int main()
{
scanf("%d", &n);
for (int i = 1; i <= n; i ++) scanf("%d", a + i);
for (int i = 1; i <= n; i ++)
{
f[i] = 1;
for (int j = 1; j < i; j ++)
if (a[j] < a[i]) f[i] = max(f[i], f[j] + 1);
}
int res = -1;
for (int i = 1; i <= n; i ++) res = max(res, f[i]);
printf("%d\n", res);
return 0;
}
贪心做法O(nlogn)
首先要确定一件事情:最长上升子序列遵循如下的单调性:
即LIS的长度越长,那么对应子序列末尾元素的值应该更大。
证明:以下图为例,若b < a,那么a元素可以加在长度为4末尾元素为b的子序列后边,最终的LIS长度为5且末尾元素为a。但这明显与图中不符,所以a > b恒成立。
该做法蕴含了一个贪心的思想,对于同样长度的子串,我当然希望它的末端越小越好,这样以后我也有更多机会拓展。
示例代码1:
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
const int N = 1e5 + 100;
int a[N], f[N];
// f[i] 表示长度为i的LIS的末尾元素。
int n;
int main()
{
scanf("%d", &n);
for (int i = 1; i <= n; i ++) scanf("%d", a + i);
// 初始时,长度为1的子序列末尾元素就是a[1]
f[1] = a[1];
int cnt = 1;
// 从第二个元素开始遍历
for (int i = 2; i <= n; i ++)
{
// 若该元素大于最长的子序列末尾元素,就将该元素加入到该序列末尾,
// 否则,利用二分的方式,从f[]中找到小于该元素的最大值f[j],将元素a[i]加到a[j]对应的序列的末尾.
// 注意,加入之后,LIS的长度就发生改变,所以要加入到下一个位置,即f[j + 1] = a[i];
if (a[i] > f[cnt]) f[++ cnt] = a[i];
else {
int l = 1, r = cnt;
while(l < r)
{
int mid = l + r >> 1;
if (a[i] > f[mid]) l = mid + 1;
else r = mid;
}
f[r] = a[i];
}
}
printf("%d\n", cnt);
return 0;
}
Y总的简洁代码
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 100010;
int n;
int a[N];
int q[N];
int main()
{
scanf("%d", &n);
for (int i = 0; i < n; i ++ ) scanf("%d", &a[i]);
int len = 0;
for (int i = 0; i < n; i ++ )
{
int l = 0, r = len;
while (l < r)
{
int mid = l + r + 1 >> 1;
if (q[mid] < a[i]) l = mid;
else r = mid - 1;
}
len = max(len, r + 1);
q[r + 1] = a[i];
}
printf("%d\n", len);
return 0;
}
LIS扩展
1、相邻元素差绝对值不超过d的最长子序列问题
与此题相同的还有 左右不相邻的最长子序列长度
问题描述:
输入数组 A[0:n]和正实数 d,试设计一个动态规划算法输出 A[0:n]的一个最长子序列,使得子序列中相继元素之差的绝对值不超过 d。分析算法的时间复杂度。
这个问题刚开始拿到没啥思路,一直想不到这个问题的最优子结构,后来看到了最长递增子序列问题的解,发现这个问题和最长递增子序列问题的思路类似。
我们来回忆一下最长递增子序列问题,我们在处理这个问题的时候可以进行一些适当的转换。尽管题目要求求A[0:n]的最长递增子序列,但是因为每个序列都有一个处在最后的元素,因此可以转换为求以某个元素结尾的最长递增子序列问题,最后只要一个O(n)的遍历就能得到最长递增子序列了。这么转换的好处是最优子结构一目了然,比如说我们找到了一个最长递增子序列b1b2…bn,那么显然,b1…bn-1为a0…bn-1的最长递增子序列,因为如果不是,那么将更长的和bn组合起来,就得到了一个比b1…bn还长的序列,这与我们的假设矛盾。在找到了最优子结构以后,很容易的可以写出递归式:
设list[i]存储的为以A[i]结尾的最长递增子序列,那么list[i]=max{list[j]}+1(其中j<i,且A[i]>A[j])如果不存在A[j]那么list[i]=1.
这个算法很简单就能写出来了。
而回过头看这个题,其实并没有啥区别。一个序列a1a2a3…an的最长这个子序列为b1b2b3…bk,那么显然,b1…bk-1是以bk-1结尾的最长这个子序列,证明方法还是复制剪切法。所以我们很容易的可以得到一个递归式:
设dis[i]保存的是以A[i]结尾的最长的这个子序列的长度,那么dis[i]=max{dis[j]}+1 其中j<i且要求满足A[j]与A[i]的差的绝对值小于d.
得到了递归式以后,我们很容易可以得到动态规划算法。
当然,最后还要遍历一下dis数组求出最大值。
原文链接:https://blog.csdn.net/qq_37694390/article/details/80637038