LIS（最长上升子序列）O(nlogn)优化

问题描述：

最长上升子序列

给定一个长度为$N$的数列$A$，求数值单调递增的子序列最长是多少。$A$的任意子序列$B$可以表示为 B = { A k 1 , A k 2 , A k 3 , . . . , A k p } B=\{ A_{k_1},A_{k_2},A_{k_3},...,A_{k_p} \} B={Ak1​​,Ak2​​,Ak3​​,...,Akp​​}，其中$k_1<k_2<k_3<...<k_p$。

---

$O(n^2)$算法：

• 状态表示：$f[i]$表以$A[i]$结尾的“最长上升子序列”的长度。
• 转移方程： f [ i ] = max ⁡ 0 ≤ j < i , A [ j ] < A [ i ] { f [ j ] + 1 } f[i]=\max \limits_{0≤j<i,A[j]<A[i]}\{f[j]+1\} f[i]=0≤j<i,A[j]<A[i]max​{f[j]+1}

此算法当$N\le 1000$时不会TLE，但当$N>1000$时——

---

$O(nlogn)$算法：

此时，表示的状态发生的改变，变为：

• $f[i]$表示长度为 $i$的上升子序列的最后一个数字的最小值。 读起来有点拗口

什么意思呢？

举个栗子：

设 A = { 2 , 1 , 4 , 7 , 9 , 5 , 6 } A=\{2,1,4,7,9,5,6\} A={2,1,4,7,9,5,6}，$i$表示从$A$中选第 $i$个数作为子序列的结尾位置，$top$记录子序列的长度：

---

$i=0$时，子序列结尾为$2$

• 先++top，f[top]即为长度为1的上升子序列，结尾为2
• 所以f[1]=2

$i=1$时 ，子序列结尾为$1$

• 由于1<2，所以1不能加入{2}的末尾，即1只能单独当作一个上升子序列
• 此时，长度为1的上升子序列的结尾的最小值更新为1，即f[1]=1

同理，$i=2,3,4$时

• ++top，4>1，所以4放入{1}的末尾，变为{1,4}，子序列长度为2，末尾为4，即f[2]=4
• ++top，7>4，放入{1,4}末尾为{1,4,7}，长度为3，末尾为7，即f[3]=7
• ++top，{1,4,7}变为{1,4,7,9}，f[4]=9

$i=5$时

• 看长度为4的上升子序列{1,4,7,9}，5<7,9，不能放在7,9后，又5>4，所以5可以在4的后面
• 所以，长度为3的上升子序列的结尾更新为5，f[3]=5
• 这一步是说，在f中找到≥A[i]的最小值，将其替换成A[i]

… …

然而，还有一个问题，为什么要上升子序列的最后一个数字最小呢？
通俗的说，数越小，比它大的数就越多，也就是说，能放在它后面和它拼成上升子序列的数就越多

---

重点来了！！！

• 根据以上的描述，可以知道$f$是一个单调递增的序列，说明其可以进行二分查找
• 二分查找的时间复杂度是$O(logn)$
• 由此，只要用二分查出$A[i]$在序列$f$中的后继即可
• 最后，最长上升子序列的长度即为$top$的值
• 时间复杂度$O(nlogn)$

话不多说，上代码：

此处使用了C++STL库的upper_bound函数，具体用法看这儿—>传送门

#include<iostream>
#include<algorithm>
using namespace std;
int n,a,f[100005],top;
int main()
{
	cin>>n;
	for(int i=1;i<=n;i++)
	{
		cin>>a;
		if(a>=f[top]) f[++top]=a;
		else f[upper_bound(f+1,f+1+top,a)-f]=a;
	}
	cout<<top<<endl;
	return 0;
}

---