272 最长公共上升子序列

1. 问题描述：

熊大妈的奶牛在小沐沐的熏陶下开始研究信息题目，小沐沐先让奶牛研究了最长上升子序列，再让他们研究了最长公共子序列，现在又让他们研究最长公共上升子序列了。小沐沐说，对于两个数列 A 和 B，如果它们都包含一段位置不一定连续的数，且数值是严格递增的，那么称这一段数是两个数列的公共上升子序列，而所有的公共上升子序列中最长的就是最长公共上升子序列了。奶牛半懂不懂，小沐沐要你来告诉奶牛什么是最长公共上升子序列。不过，只要告诉奶牛它的长度就可以了。数列 A 和 B 的长度均不超过 3000。

输入格式

第一行包含一个整数 N，表示数列 A，B 的长度。第二行包含 N 个整数，表示数列 A。第三行包含 N 个整数，表示数列 B

输出格式

输出一个整数，表示最长公共上升子序列的长度

数据范围

1 ≤ N ≤ 3000，序列中的数字均不超过 2 ^ 31−1

输入样例：

4
2 2 1 3
2 1 2 3

输出样例：

2
来源：https://www.acwing.com/problem/content/274/

2. 思路分析：

分析题目可以知道这道题目其实是最长公共子序列与最长上升子序列的结合，我们可以借助于这两道题目进行状态定义和状态计算，因为涉及到两个序列所以我们需要定义一个二维数组或者二维列表，其中 dp[i][j] 表示所有以第一个序列的前i个数字，第二个序列的前j个数字并且以 b[j] 结尾的最长公共子序列的长度；怎么样进行状态的计算呢？状态计算对应集合的划分，一般是找最后一个不同点，这里我们根据当前的 a[i] 是否包含来划分集合，可以参照下图中的集合划分过程，可以发现当不包含a[i]的时候那么 dp[i][j] = dp[i - 1][j]，当包含 a[i] 的时候不好直接计算所以我们需要将左半部分的集合进一步划分（直到划分的集合能够直接计算），划分的依据也是找最后一个不同点，我们可以根据倒数第二个数字是 b 的哪一个数字进行划分，划分完之后就可以直接枚举计算各个状态的值了。我们可以先写出代码然后再考虑如何优化，代码优化其实是将代码做等价变形，可以发现每一次循环的时候可以使用一个 maxv 变量来存储第一个序列前 i 个数字和第二个数字前 j 个数字的最大值即可，这样就可以去除掉一重循环。

3. 代码如下：

暴力（超时）：

if __name__ == '__main__':
    n = int(input())
    a = [0] + list(map(int, input().split()))
    b = [0] + list(map(int, input().split()))
    dp = [[0] * (n + 1) for i in range(n + 1)]
    for i in range(1, n + 1):
        for j in range(1, n + 1):
            dp[i][j] = dp[i - 1][j]
            # 只有左半部分集合存在的时候才枚举
            if a[i] == b[j]:
                dp[i][j] = max(dp[i][j], 1)
                for k in range(1, j):
                    # 判断左半部分划分的集合是否存在
                    if b[k] < b[j]:
                        dp[i][j] = max(dp[i][j], dp[i][k] + 1)
    res = 0
    # 枚举以第一个序列的前n个数字, 第二个序列的前j个数字并且以b[j]结尾的最长公共子序列的长度
    for i in range(1, n + 1):
        res = max(res, dp[n][i])
    print(res)

优化：

if __name__ == '__main__':
    n = int(input())
    # 列表前面添加一个0这样会更好处理一点
    a = [0] + list(map(int, input().split()))
    b = [0] + list(map(int, input().split()))
    dp = [[0] * (n + 1) for i in range(n + 1)]
    for i in range(1, n + 1):
        maxv = 1
        for j in range(1, n + 1):
            if a[i] == b[j]:
                dp[i][j] = max(dp[i][j], maxv)
            else:
                dp[i][j] = dp[i - 1][j]
            if a[i] > b[j]: maxv = max(maxv, dp[i][j] + 1)
    res = 0
    for i in range(1, n + 1):
        res = max(res, dp[n][i])
    print(res)