轻锋的专栏

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] （2）若a[n-1] > a[n] 则存在长度为1的不下降子序列 a[n-1]

最长递增子序列问题是一个很基本、较常见的小问题，但这个问题的求解方法却并不那么显而易见，需要较深入的思考和较好的算法素养才能得出良好的算法。由于这个问题能运用学过的基本的算法分析和设计的方法与思想，能够锻炼设计较复杂算法的思维，我对这个问题进行了较深入的分析思考，得出了几种复杂度不同算法，并给出了分析和证明。一，    最长递增子序列问题的描述设L=a1,a2,…,an>是n个不同的实数的

动态规划使用范围：（http://baike.baidu.com/view/28146.htm）任何思想方法都有一定的局限性，超出了特定条件，它就失去了作用。同样，动态规划也并不是万能的。适用动态规划的问题必须满足最优化原理和无后效性。 　　1.最优化原理（最优子结构性质） 最优化原理可这样阐述：一个最优化策略具有这样的性质，不论过去状态和决策如何，对前面的决策所形成的状态而言，余下的诸决

0-1 背包问题 (0-1 knapsack problem)：每种物品只有一个完全背包问题 (UKP, unbounded knapsack problem)：每种物品都有无限个可用多重背包问题 (BKP, bounded knapsack problem)：第 i 种物品有 c[i] 个可用其他版本的背包问题请参考“背包问题九讲”，https://github.com/