动态规划之最长上升子序列

问题描述

最长上升子序列（Longest Increasing Subsequence，LIS），在计算机科学上是指一个序列中最长的单调递增的子序列。
例如：
1,7,3,5,9,4,8的最长上升子序列为
1，3，5，9
1，3，5，8
1，3，4，8
求一个序列的最长上升子序列的长度

思路

• 解法一：动态规划（O(n^2)）

dp[i]表示以array[i]结尾的最长上升子序列的长度
dp[i] = max(dp[0] – dp[j]) + 1 (其中j < i 且 array[j] < array[i])
例： 1,7,3,5,9,4,8
（1）dp[i]的元素初值都为1
（2）dp[0]表示以1结尾的最长上升子序列的长度，为1 （3）dp[1]表示以7结尾的最长上升子序列的长度:

• 看dp[0],因为array[0] < array[1],所以dp[1] = dp[0] + 1 = 2
  

（4）dp[2]表示以7结尾的最长上升子序列的长度:

• 看dp[0],dp[1],只有array[0] < array[2]
  

• 所以dp[2] = dp[0] + 1 = 2
  

（5）dp[3]表示以5结尾的最长上升子序列的长度:

• 看dp[0],dp[1],dp[2],array[0] < array[3],array[2] < array[3]
  

• dp[0]和dp[2]中取最大值dp[2] = 2
  

• 所以dp[3] = dp[2] + 1 = 3
  

（6）dp[4]表示以9结尾的最长上升子序列的长度:

• 看dp[0],dp[1],dp[2],dp[3]
  

• array[0],array[1],array[2],array[3]都小于<array[4]
  

• dp[0],dp[1],dp[2],dp[3]中取最大值dp[3] = 3
  

• 所以dp[3] = dp[3] + 1 = 4
  

（7）dp[5]表示以4结尾的最长上升子序列的长度:

• 看dp[0],dp[1],dp[2],dp[3]，dp[4]
  

• array[0],array[2]小于<array[5]
  

• dp[0],dp[2]中取最大值dp[2] = 2
  

• 所以dp[3] = dp[2] + 1 = 3
  

（8）dp[6]表示以8结尾的最长上升子序列的长度:

• 看dp[0],dp[1],dp[2],dp[3],dp[4],dp[5]
  

• array[0],array[1],array[2],array[3],array[5]都小于<array[6]
  

• dp[0],dp[1],dp[2],dp[3],dp[5]中取最大值 3
  

• 所以dp[3] = 3 + 1 = 4
  

(9)遍历完数组array,求dp数组中的最大值即为最长上升子序列的长度

• 解法二：贪心+ 二分查找（O(nlogn)）

• 对于以某一个数结尾的最长上升子序列，当然是结尾的数越小越好    
  

• 创建一个list,初始有一个元素array[0]
  

• 从下标为1处开始扫描数组array
  

• 如果比list中的最后一个数大，说明可构成上升子序列，直接加入到list中
  

• 如果比list中的最后一个数小，则找到list中第一个大于或等于这个数的元素替换
  

• 查找用二分查找实现
  

• 最终list的长度即为最长上升子序列的长度
  

代码

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;