蓝桥备赛——动态规划1（最长上升子序列LIS）

  LIS定义

LIS（Longest Increasing Subsequence）最长上升子序列 
一个数的序列bi，当b1 < b2 < … < bS的时候，我们称这个序列是上升的。

对于给定的一个序列(a1, a2, …, aN)，我们可以得到一些上升的子序列(ai1, ai2, …, aiK)，

这里1 <= i1 < i2 < … < iK <= N。 
比如，对于序列(1, 7, 3, 5, 9, 4, 8)，有它的一些上升子序列，如(1, 7), (3, 4, 8)等等。

这些子序列中最长的长度是4，比如子序列(1, 3, 5, 8). 
你的任务，就是对于给定的序列，求出最长上升子序列的长度。

两种做法

1,O(N^2)做法：dp动态规划

2,O(NlogN)做法：贪心+二分

蓝桥杯题库中整好两道这样的题，一个是蓝桥勇士用n^2的做法就可以通过，另一个是蓝桥骑士，复杂度要求高些需要贪心+二分做法。

题目：

1,O(N^2)做法：dp动态规划

状态设计：dp[i]代表以a[i]结尾的LIS的长度 
状态转移：dp[i]=max(dp[i], dp[j]+1) (0<=j< i, a[j]< a[i]) 
边界处理：dp[i]=1 (0<=j< n) 
时间复杂度：O(N^2) 

import java.util.Arrays;
import java.util.Scanner;

public class Main{
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        int len = sc.nextInt();
        int a[] = new int[len];//存放原数组
        int dp[] = new int[len];//存放最大的子序列个数
        //dp的初始化，因为可能只有本身的情况
        Arrays.fill(dp, 1);
        for (int i = 0; i < len; i++) a[i] = sc.nextInt();
        int max = -999999999;
        //进行穷举
        for (int i = 1; i < a.length; i++) {
            for (int j = 0; j < i; j++) {

            // 若a[j] < a[i]那么可以接在该序列后，更新状态
              // dp[i] = dp[i] > dp[j] + 1 ? dp[i] : dp[j] + 1;

              //如果a[i]>a[j]了，那么a[i]的序列个数也要比a[j]的个数大 并且+1
                if (a[i] > a[j]) dp[i] = Math.max(dp[i], dp[j] + 1);
            }
            max = Math.max(max, dp[i]);//记录最大值
        }
        System.out.println(max);
    }
}

O(NlogN)做法：贪心+二分

a[i]表示第i个数据。 
dp[i]表示表示长度为i+1的LIS结尾元素的最小值。 
利用贪心的思想，对于一个上升子序列，显然当前最后一个元素越小，越有利于添加新的元素，这样LIS长度自然更长。 
因此，我们只需要维护dp数组，其表示的就是长度为i+1的LIS结尾元素的最小值，保证每一位都是最小值，

这样子dp数组的长度就是LIS的长度。

dp数组具体维护过程同样举例讲解更为清晰。 
同样对于序列 a(1, 7, 3, 5, 9, 4, 8)，dp的变化过程如下：

• dp[0] = a[0] = 1，长度为1的LIS结尾元素的最小值自然没得挑，就是第一个数。 （dp = {1}）
• 对于a[1]=7，a[1]>dp[0]，因此直接添加到dp尾，dp[1]=a[1]。（dp = {1, 7}）
• 对于a[2]=3，dp[0]< a[2]< dp[1]，因此a[2]替换dp[1]，令dp[1]=a[2]，因为长度为2的LIS，结尾元素自然是3好过于7，因为越小这样有利于后续添加新元素。 （dp = {1, 3}）
• 对于a[3]=5，a[3]>dp[1]，因此直接添加到dp尾，dp[2]=a[3]。 （dp = {1, 3, 5}）
• 对于a[4]=9，a[4]>dp[2]，因此同样直接添加到dp尾，dp[3]=a[9]。 （dp = {1, 3, 5, 9}）
• 对于a[5]=4，dp[1]< a[5]< dp[2]，因此a[5]替换值为5的dp[2]，因此长度为3的LIS，结尾元素为4会比5好，越小越好嘛。（dp = {1, 3, 4, 9}）
• 对于a[6]=8，dp[2]< a[6]< dp[3]，同理a[6]替换值为9的dp[3]，道理你懂。 （dp = {1, 3, 5, 8}）

这样子dp数组就维护完毕，所求LIS长度就是dp数组长度4。 
通过上述求解，可以发现dp数组是单调递增的，因此对于每一个a[i]，先判断是否可以直接插入到dp数组尾部，

即比较其与dp数组的最大值即最后一位；如果不可以，则找出dp中第一个大于等于a[i]的位置，用a[i]替换之。 
这个过程可以利用二分查找，因此查找时间复杂度为O(logN)，所以总的时间复杂度为O(N*logN)

package 备赛课.动态规划;

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;

public class 蓝桥骑士 {
    /*6
1 4 2 2 5 6 */
    public static void main(String[] args) throws IOException {
        BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
        int len = Integer.parseInt(br.readLine());
        int a[] = new int[len];
        int dp[] = new int[len];
        String str[] = br.readLine().split(" ");
        for (int i = 0; i < len; i++) a[i] = Integer.parseInt(str[i]);
        int Maxlen = 0;//最多有多少个子序列个数，扩充数字
        for (int i = 0; i < len; i++) {
            int l = 0, r = Maxlen;
            //二分
            while (l < r) {
//                int mid = l+(r-l) / 2;
                int mid = (l+r+1)/2;
                if (dp[mid] >= a[i]) r = mid - 1;
                else l = mid;
            }
            //如果比所有的都大 要扩充
            Maxlen = Math.max(Maxlen, r + 1);
            dp[r + 1] = a[i];
        }
        System.out.println(Maxlen);
    }
}

贪心，二分模板：

// Dynamic programming + Dichotomy.
class Solution {
    public int lengthOfLIS(int[] nums) {
        int[] tails = new int[nums.length];
        int res = 0;
        for(int num : nums) {
            int i = 0, j = res;
            while(i < j) {
                int m = (i + j) / 2;
                if(tails[m] < num) i = m + 1;
                else j = m;
            }
            tails[i] = num;
            if(res == j) res++;
        }
        return res;
    }
}