最长上升子序列（LIS） 两种复杂度算法

介绍一：

LIS（Longest Increasing Subsequence）最长上升（不下降）子序列，有两种算法复杂度为O(n*logn)和O(n^2)。在上述算法中，若使用朴素的顺序查找在D1..Dlen查找，由于共有O(n)个元素需要计算，每次计算时的复杂度是O(n)，则整个算法的时间复杂度为O(n^2)，与原来算法相比没有任何进步。但是由于D的特点(2)，在D中查找时，可以使用二分查找高效地完成，则整个算法时间复杂度下降为O(nlogn)，有了非常显著的提高。需要注意的是，D在算法结束后记录的并不是一个符合题意的最长上升子序列！算法还可以扩展到整个最长子序列系列问题。
　有两种算法复杂度为O(n*logn)和O(n^2)
O(n^2)算法分析如下
　　（a[1]...a[n] 存的都是输入的数）
　　1、对于a[n]来说，由于它是最后一个数，所以当从a[n]开始查找时，只存在长度为1的不下降子序列；
　　2、若从a[n-1]开始查找，则存在下面的两种可能性：
　　（1）若a[n-1] < a[n] 则存在长度为2的不下降子序列 a[n-1],a[n].
　　（2）若a[n-1] > a[n] 则存在长度为1的不下降子序列 a[n-1]或者a[n]。
　　3、一般若从a[t]开始，此时最长不下降子序列应该是按下列方法求出的：
　　在a[t+1],a[t+2],...a[n]中，找出一个比a[t]大的且最长的不下降子序列，作为它的后继。
　　4、为算法上的需要，定义一个数组：
　　d:array [1..n,1..3] of integer;
　　d[t,1]表示a[t]
　　d[t,2]表示从i位置到达n的最长不下降子序列的长度
　　d[t,3]表示从i位置开始最长不下降子序列的下一个位置
最长不下降子序列的O(n*logn)算法
　　先回顾经典的O(n^2)的动态规划算法，设A[t]表示序列中的第t个数，F[t]表示从1到t这一段中以t结尾的最长上升子序列的长度，初始时设F[