优化 最长上升子序列_动态规划问题——最长上升子序列(LIS)(二)

推荐链接：

题目描述

一天，小凯同学震惊的发现，自己无内的PM2.5指标是有规律的！小凯采样了PM2.5数值，发现PM2.5数值以小时为周期循环，即任意时刻的PM2.5总是和一小时前相等！他的室友小文同学提出了这样一个问题，在t小时内的所有采样点中，选取若干采样点的数值，能否找到一个PM2.5不曾下降过的序列？这个序列最长是多少？

输入描述

第一行有两个整数n和t，表示每小时的采样点个数，和询问多少个小时的结果。第二行有n个整数，以空格分割，表示一小时内，每个采样点观测到的PM2.5数值

输出描述

一个整数，表示T小时内，最长的PM2.5不曾下降过的序列的长度

输入1

24 3

10 3 7 5

输出14

说明

3小时内的所有采样点为

10 3 7 5 10 3 7 5 10 3 7 5

选取第2，3，5，9个采样点，可以得到一个不曾下降过的序列

3 7 10 10

使用其他的方法也可以得到长为4的满足条件的序列，但无法得到长度超过4的结果。

备注1

2

3

4

5对于20%的数据，t=1

对于50%的数据，t<=1000

对于80%的数据，PM2.5数值不超过200

对于100%的数据，1<=n<=1000,

1<=t<=1000000，PM2.5数值为正整数，且不超过1000000000

优化时间复杂度(外层为n，内层为logn)

这里是定义一个testarray数组，存储这个升序子序列，对于新来的元素，通过二分查找，插入到这个testarray数组中，当大于或者等于testarray数组最后一个元素的时候直接在最后插入，如果在testarray数组中间位置，就直接在中间位置插入,(Tips：说明中间位置额那个数比需要插入的数字大，我们找的是最长的升序子序列，比他大的当然需要被小的替代了)，由于testarray数组是动态变化的，最后testarray数组的大小就是最长升序子序列，并且其存储的数就是这个升序子序列。

Java代码1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32public class Solution{

public int longestIncreasingSubsequence(int[] nums){

int len = nums.length;

if(nums == null || len ==0)

return 0;

ArrayList dp = new ArrayList();

for(int i=0;i

if(dp.isEmpty() || dp.get(dp.size() - 1) <= nums[i])

dp.add(nums[i]);

else{

int index = findFirstLargeEqual(dp,nums[i]);

dp.set(index,nums[i]);// 用指定的元素替代此列表中指定位置上的元素。

}

}

return dp.size();

}

public int findFirstLargeEqual(ArrayList list,int num){

int left = 0;

int right = list.size() - 1;

while(left <=right){

int mid = (left + right)/2;

if(list.get(mid) > num)

right = mid -1;

else if(list.get(mid) < num)

left = mid + 1;

else

return mid;

}

return left;

}

}

Python代码1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50def longestIncreasingSubsequence(nums):

if nums == None or len(nums) == 0:

return 0

testarray = list()

for i in range(len(nums)):

# 如果是第一个位置就直接添加进新的列表里面，如果后一个元素比新列表的最后一个元素大或者等于，则添加该元素到新列表末尾

if len(testarray) == 0 or nums[i] >= testarray[len(testarray) - 1]:

testarray.append(nums[i])

else:

# 如果这个新元素不大于等于最后一个元素的时候，利用二分查找找到他在新列表中应该插入的位置

index = findFirstLargeEqual(testarray, nums[i])

# 将新元素替换对应位置的列表里面的元素

testarray[index] = nums[i]

return len(testarray)

# 利用二分查找法

def findFirstLargeEqual(testarray, target):

left = 0

right = len(testarray) - 1

if testarray[0] == target:

return 0

while left <= right:

# 双斜杠整除

mid = (left + right) // 2

if testarray[mid] > target:

right = mid - 1

elif testarray[mid] < target:

left = mid + 1

else:

return mid

return left

if __name__ == "__main__":

a = list()

# 输入n m

n, m = input().split()

# 输入采样点

n = int(n)

a = input().split()

# 截取输入的前n个(控制输入)

a = a[:n]

# 全部转化为整形

for i in range(n):

a[i] = int(a[i])

# 按照小时数重复

a = a * int(m)

count = longestIncreasingSubsequence(a)

print(count)

运行结果1

2

34 3

10 3 7 5

4