LCIS（最长公共上升子序列）

题目描述

给定两个长度分别为n和m的序列A和B，求两个序列的最长公共上升子序列长度。
例如：
1 5 3 6 3 2 7 3 6 2 和 9 6 2 3 1 5 3 3 6 1 的最长上升子序列的长度为3。

题目分析

这是一道LIS和LCS的综合题目。

【状态定义】：$dp[i][j]$表示序列$A[1:i]$和序列$B[1:j]$构成的以$B[j][$为结尾的LCIS长度。
【状态转移】 为：

• $A[i]\ne B[j]$ ：$dp[i][j]=dp[i-1][j]$ (可以理解为将$A[i]$扔掉)
• $A[i]=B[j]$ ： d p [ i ] [ j ] = m a x { d p [ i − 1 ] [ k ] } dp[i][j] = max\{ dp[i-1][k]\} dp[i][j]=max{dp[i−1][k]} , $k$ 满足： $k\in [0,j),B[k]<B[j]$
  $dp[][j]$的子问题不是$dp[][j-1]$，而是满足单调性的$dp[][k]$

【边界条件】：$dp[0][j]=dp[i][0]=0$
【目标状态】： m a x { d p [ n ] [ j ] } max\{dp[n][j]\} max{dp[n][j]}, $j\in [1,m]$

代码

int cal(){
    a[0] = b[0] = -inf;
    for(int i=1;i<=n;i++){
        for(int j=1;j<=m;j++){
            if(a[i] != b[j]) dp[i][j] = dp[i-1][j];
            else{
                for(int k = 0;k<j;k++){ //注意k=0开始
                    if(b[k]<b[j])
                        dp[i][j] = max(dp[i][j],dp[i-1][k]+1);
                }
            }
        }
    }
    int ans=-inf;
    for(int j=1;j<=m;j++) ans = max(ans,dp[n][j]);
    return ans;
}

【细节注意】
当$B$串当中，找不到$B[k]$满足$B[k]<B[j]$时，$B[0]$充当满足条件的$B[k]$，那么对于$B$串来说，以$B[j]$为结尾的LIS长度为1，即$B[j]$本身。因此：

• $A[0]$和$B[0]$ 定义为-∞。
• $k$从$0$开始枚举

优化

注意观察状态转移公式，当$A[i]=B[j]$时，决策集合为$ dp[i-1][k]$，$k $满足$k∈[0,j) ,B[k]<B[j]$ ，由于$A[i]=B[j]$，即为满足$k\in [0,j),B[k]<A[i]$。 在内层循环中，$i$ 的值不变，$j$的值递增。即决策集合的改变只受$B[j]$的影响，如果$B[j]<A[i]$，则$dp[i-1][j]$进入决策集合，否则决策集合不变。
定义变量$v$为每轮最初的决策集合结果值，$j$递增前，判断：

• $B[j]<A[i]$, $v=max(v,dp[i-1][j])$
• $B[j]\ge A[i]$, $v$不变

代码

int cal(){
    a[0] = b[0] = -inf;
    for(int i=1;i<=n;i++){
        int v=0;
        for(int j=1;j<=m;j++){
            if(a[i] != b[j]) dp[i][j] = dp[i-1][j];
            else dp[i][j] = v+1;
            if(b[j] < a[i]) v = max(v,dp[i-1][j]);
        }
    }
    int ans=-inf;
    for(int j=1;j<=m;j++) ans = max(ans,dp[n][j]);
    return ans;
}