1.动态规划思想
-
子问题:
子问题必须具有无后效性
的性质,即 当前若干个值一旦确定后,此后过程的演变只与这若干个状态的值有关,和之前采用那种手段或经过哪条路径演变到当前若干个状态无关。
此问题的子问题为:将问题划分为以每个元素为终点的最大上升子序列,然后求取最大值; -
状态:
dp[i]表示以脚标i结尾的元素为终点的最大上升子序列,这样通过dp数组记录以每个元素结尾的上升的最大子序列,返回dp数组中的最大值,即为最大上升子序列; -
初始状态:
将dp[i]的每个元素置为1,表示在初始化状态时以每个元素结尾的最大上升子序列长度为1,后续可根据状态转移方程改变 -
状态转移方程:
当求取 dp[i] 时,可以根据其前面 j 的值判断,第 i 位元素是否大于前面 j 元素的值
1.不大于:如果不大于,说明脚标位 i 的元素无法添加到以 j 脚标元素结尾的最大上升子序列中,如果 i 脚标元素的值均小于前面的 i-1个元素,则以 i 脚标结尾的元素最大上升子序列的值为初始化状态1;
2.大于: 如果大于,则将脚标 i 元素添加到 j 元素结尾的最长子序列后面,并将最长子序列长度加1,前 i-1个元素结尾的最大上升子序列中最长的加1,即为dp[i]的值
状态转移方程:dp[i]=Math.max(dp[i], dp[j]+1);
-
其他描述:
- 下降子序列的个数等于最长上升子序列的长度
- 在一个序列里,不上升子序列的个数等于最长上升子序列的长度
AC代码(java):
package 最长递增子序列;
import java.util.*;
public class Main {
public static int LIS(int[] arr,int[] dp) {
dp[1]=1; //初态,第一个数为上升子序列,长度为1
int result=dp[1];
for(int i=2;i<arr.length;i++) { //arr.length=n+1
for(int j=1;j<i;j++) {
if(arr[i]>arr[j]) {
dp[i]=Math.max(dp[i], dp[j]+1); //状态转移方程
}
}
result=Math.max(result, dp[i]); //记录dp中最大值
}
return result;
}
public static void main(String[] args) {
Scanner sc=new Scanner(System.in);
while(sc.hasNextInt()) {
int n=sc.nextInt();
int[] arr=new int[n+1];
int[] dp=new int[n+1]; //状态数组(dp[i]表示以脚标i结尾的元素为终点的递增子序列的最大长度)
for(int i=1;i<=n;i++) {
arr[i]=sc.nextInt();
dp[i]=1; //初始化状态数组
}
int result=LIS(arr,dp);
System.out.println(result);
}
}
}