最长上升子序列
最基本:n方做法 ,dp[i]表示以i结尾的最长上升子序列数量
枚举i之前的每一个下标进行比较即可
for(int i=1;i<=n;i++)
{
dp[i]=1;
for(int j=1;j<i;j++)
if(data[j]<data[i] && dp[i]<dp[j]+1)
dp[i]=dp[j]+1;
}
这是最基础的框架,掌握这个做法有利于我们入手这一基础模型,同时是dp思想的很好体现。
只针对该问题:复杂度优化:(nlogn) 贪心的思想
在长度相同的情况下,我们当然希望目前序列的末尾越小越好,类似(2,3,4,5)和(2,3,4,6)肯定前者更优,前者我们有更大的扩展空间,因此我们改变dp[i]的含义为 (长度为i的情况下最小的序列末尾值)如上面的例子dp[4]=5;(2,3,4,5)
int n;
cin>>n;
for(int i=1;i<=n;i++)
{
cin>>a[i];
f[i]=0x7fffffff;
}
f[1]=a[1];
int len=1;
for(int i=2;i<=n;i++)
{
int l=0,r=len,mid;
if(a[i]>f[len])f[++len]=a[i];
else
{
while(l<r)
{
mid=(l+r)/2;
if(f[mid]>a[i])r=mid;
else l=mid+1;
}//利用二分来插入
f[l]=min(a[i],f[l]);
}
}
cout<<len;
第二种做法显然更优,但是其实第一种做法更具有普适性和可扩展性。
new problem :
最长公共子序列问题(LCS)
1 2 3 4 5
3 2 1 4 5
ans= 3(3,4,5)
首先我们也是考虑朴素做法:
dp[i][j]表示模式串的前i位,目标串的前j位的lcs,这样的状态设置很容易得到状态方程
如果当前相同 那么
dp[i][j]=max(dp[i][j],dp[i−1][j−1]+1);
如果不相同,即无法更新公共元素,考虑继承:
dp[i][j]=max(dp[i−1][j],dp[i][j−1])
方法二:考虑优化(nlogn)转化成求目标串的LIS
为什么呢?
A:3 2 1 4 5
B:1 2 3 4 5
我们不妨给它们重新标个号:把3标成a,把2标成b,把1标成c……于是变成:
A: a b c d e
B: c b a d e
这样标号之后,LCS长度显然不会改变。但是出现了一个性质:
两个序列的子序列,一定是A的子序列。而A本身就是单调递增的。
因此这个子序列是单调递增的。
换句话说,只要这个子序列在B中单调递增,它就是A的子序列。
哪个最长呢?当然是B的LIS最长。
自此完成转化。
#include<bits/stdc++.h>
using namespace std;
int n;
int a1[100010],a2[100010];
int belong[100010];
int f[100010],b[100010],len;
int main()
{
scanf("%d",&n);
for(int i=1;i<=n;i++)
{
scanf("%d",&a1[i]);
belong[a1[i]]=i;
}
for(int i=1;i<=n;i++)
scanf("%d",&a2[i]);
for(int i=1;i<=n;i++)
{
if(belong[a2[i]]>b[len])
{
b[++len]=belong[a2[i]];
f[i]=len;
continue;
}
int k=upper_bound(b+1,b+len+1,belong[a2[i]])-b;
b[k]=belong[a2[i]];
f[i]=k;
}
printf("%d\n",len);
return 0;
}
还有一种新的题型:最长连续不重复子序列 ,我们采用双指针算法