算法之区间规划

最新推荐文章于 2024-03-25 14:16:55 发布

旧巷小新

最新推荐文章于 2024-03-25 14:16:55 发布

阅读量1.2k

点赞数

分类专栏：编程算法

本文链接：https://blog.csdn.net/weixin_43518637/article/details/106135228

版权

本文详细探讨了动态规划在区间规划问题中的应用，特别是最长上升子序列问题。通过O(N^2)和O(nlogn)两种解决方案的分析，解释了如何寻找最长上升子序列，并讨论了相关应用。此外，还介绍了最长公共子序列和最长回文子串问题的动态规划解法。

摘要由CSDN通过智能技术生成

1.区间动态规划

这类动态规划的特点是求出最值的序列，往往dp[i][j]或者dp[j]中的j表示以j结尾的动态规划,这种题目的代表题目是求最长上升子序列，最长的公共子串，子序列的问题等等。

2.最长上升子序列问题

题目链接

2.1 数据量比较小O(N^2)

2.1.1 分析

初始化：vector<int> dp(n,1);。
状态转移方程：dp[i]=max(dp[i],dp[j]+1);。
核心代码：

int lengthOfLIS(vector<int>& nums) {
   
    vector<int> dp(nums.size(),1);
    int res=0;
    for(int i=0;i<nums.size();i++){
   
        for(int j=0;j<i;j++){
   
           if(nums[j]<nums[i]){
   
                dp[i]=max(dp[i],dp[j]+1);
           }
        }
        res=max(res,dp[i]);
    }
    return res;
}

2.1.2 标记路径

如果题目需要求出路径的话，我们可以同时标记路径，例如序列：{7,9,6,10,7,1,3)的pre分别为{0,0,2,1,2,5,5}，刚开始pre全部初始化为自己的下标。最大的dp值为3，所以最长子序列长度为3, 末尾的元素在3位置。追踪其路径为：3->pre[3] ，1->pre[1]，0->pre[0](停止) ，因此路径为4，2，1，这个为倒序的，因为从后往前找的。

2.2 数据量比较大O(nlogn)

2.2.1 分析

分析：新建一个 low 数组，low[i]表示长度为i的LIS结尾元素的最小值。对于一个上升子序列，显然其结尾元素越小，越有利于在后面接其他的元素，也就越可能变得更长。因此，我们只需要维护 low 数组，对于每一个a[i]，如果a[i]>low[当前最长的LIS长度]，直接把a[i]接到当前最长的LIS后面，即low [++当前最长的LIS长度]=a[i]。 那么，怎么维护 low 数组呢？对于每一个a [ i ]，如果a [i]能接到 LIS 后面，就接上去；否则，就用a[i] 取更新low数组。具体方法是，在low数组中找到第一个大于等于 a [i]的元素low[j]，用a[i]去更新low[j]。如果从头到尾扫一遍low数组的话，时间复杂度仍是O(n^2)。我们注意到 low数组内部一定是非递减的，因此可以二分low数组，找出第一个大于等于a[i]的元素。一次二分low数组的时间复杂度的O(lgn)，所以总的时间复杂度是O(nlogn)。
举例1：有以下序列A[ ]={3,1,2,6,4,5,10,7}，求LIS长度？首先我们定义一个B[i]来储存可能的排序序列，len为LIS长度。我们依次把A[ i ]有序地放进B[ i ]里。

A[1]=3，把3放进B[1]，此时B[1] = 3，此时len = 1，最小末尾是3。
A[2]=1，因为1比3小，所以可以把B[1]中的3替换为1，此时B[1]=1，此时len=1，最小末尾是1。
A[3]=2，2大于1，就把2放进B[2] = 2，此时B[ ]={1,2}，len=2。
同理，A[4]=6，把6放进B[3] = 6，B[ ]={1,2,6}，len=3。
A[5]=4，4在2和6之间，比6小，可以把B[3]替换为4，B[ ]={1,2,4}，len=3。
A[6]=5，B[4]=5，B[ ]={1,2,4,5}，len=4。
A[7]=10，B[5]=10，B[ ]={1,2,4,5,10}，len=5。
A[8]=7，7在5和10之间，比10小，可以把B[5]替换为7，B[ ]={1,2,4,5,7}，len=5。

举例1总结：最终我们得出LIS长度为5，但是，但是B[ ]中的序列并不一定是正确的最长上升子序列。在这个例子中，我们得到的1 2 4 5 7 恰好是正确的最长上升子序列。
举例2：有以下序列A[ ] = {1,4,7,2,5,9,10,3}，求LIS长度。

A[1] = 1，把1放进B[1]，此时B[1] = 1，B[ ] = {1}，len = 1。
A[2] = 4，把4放进B[2]，此时B[2] = 4，B[ ] = {1,4}，len = 2。
A[3] = 7，把7放进B[3]，此时B[3] = 7，B[ ] = {1,4,7}，len = 3。
A[4] = 2，因为2比4小，所以把B[2]中的4替换为2，此时B[ ] = {1,2,7}，len = 3。
A[5] = 5，因为5比7小，所以把B[3]中的7替换为5，此时B[ ] = {1,2,5}，len = 3。
A[6] = 9，把9放进B[4]，此时B[4] = 9，B[ ] = {1,2,5,9}，len = 4。
A[7] = 10，把10放进B[5]，此时B[5] = 10，B[ ] = {1,2,5,9,10}，len = 5。
A[8] = 3，因为3比5小，所以把B[3]中的5替换为3，此时B[ ] = {1,2,3,9,10}，len = 5。

举例2总结：最终我们得出LIS长度为5。但是，但是这里的1 2 3 9 10很明显并不是正确的最长上升子序列。因此，B序列并不一定表示最长上升子序列，它只表示相应最长子序列长度的排好序的最小序列。这有什么用呢？我们最后一步3替换5并没有增加最长子序列的长度，而这一步的意义，在于记录最小序列，代表了一种最可能性，只是此种算法为计算LIS而进行的一种替换。假如后面还有两个数据12和15，那么B[ ]将继续更新。
总结：因为在B中插入的数据是有序的，不需要移动，只需要替换，所以可以用二分查找插入的位置，那么插入n个数的时间复杂度为〇(logn)，这样我们会把这个求LIS长度的算法复杂度降为O(nlogn)。
核心代码：

int lengthOfLIS(vector<int>& nums) {
   
    vector<int> low(1);
    int k=1;
    low[0]=

最低0.47元/天解锁文章