动态规划-最长上升（下降）子序列的O(n logn)写法（基于二分）

动态规划-最长上升（下降）子序列的O(n logn)写法（基于二分）

常规最长上升（下降）子序列的时间复杂度是$O(n$²$)$。

优化后可以更快：

基于贪心的策略，维护一个队列$dp$，使内部的元素为有序排列，长度即为最长上升（下降）子序列的长度。

初始队列为空，依次枚举$a$数组（即原始序列），判断是否大于（或等于）队首元素，若大于则直接压入队列，新队列依然是有序队列；若小于队首元素，则在队列内二分查找第一个大于（或大于等于等于或小于等于）$a[i]$的元素$dp[pos]$，然后直接把$dp[pos]$替换成$a[i]$。

我来讲为什么可以直接替换，因为队列内元素改变是不影响总长度的，替换后对前面的数也是没有影响的，而把队列内元素的值变小对以后序列长度的增加明显是有利的，所以可以直接替换。

附上一份模板

/*
不严格递增
若要改为严格递增，需要把“≥”改为“>”，并把upper_bound改为lower_bound
*/
int LIS(int n) {
	int dp[maxn + 5];
	memset(dp, 0x3f, sizeof(dp));
	dp[0] = a[0];
	int top = 1;
	for (int i = 1; i < n; ++i) {
		if (a[i] >= dp[top - 1]) {
			dp[top++] = a[i];
		}
		else {
			int pos = upper_bound(dp, dp + top, a[i]) - dp;
			dp[pos] = a[i];
		}
	}
	return top;
}

传送门：动态规划-最长上升（下降）子序列的O(n logn)写法（基于树状数组）

---

2019/9/27更新

发现一种更简单的写法

/*
	若改为不严格递增，则将lower_bound改为upper_bound
*/
int dp[maxn];

int LIS(int *a, int n) {
	memset(dp, 0x3f, sizeof(dp));
	for (int i = 0; i < n; i++) *lower_bound(dp, dp + n, a[i]) = a[i];
	return lower_bound(dp, dp + n, inf) - dp;
}