最长上升子序列问题是经典的动态规划问题。
即给定一个序列,求出长度最长,且数值由小到大的子序列。
并且结果不唯一。如原始序列。2,1,5,3,6,4,6,3.
其满足条件的子序列是1,3,4,6或者是2.4.5.6。
那么如何分析此类问题呢。首先我们应该思考前后两个状态之间的关系,即求出其递归公式。并且是最大问题,当前一状态是最大的,那么后一状态同样是最大的。假设此状态是dp[5],那dp[5]=dp[4]+1?
其实是不对的,我们忽略了其还必须满足是上升的,即a[4]可能会大于a[5],所以我们必须对前一状态加一个上升的条件。具体见代码:
#include<iostream>
using namespace std;
int main(){
int dp[1002];
int a[1003];//装序列
int n;
cin >> n;
for(int i=1;i<=n;i++){
cin >> a[i];
}
int ans=0;
dp[1]=1;
for(int i=2;i<=n;i++){
for(int j=1;i<=i;j++){
if(a[j]<a[i]){//前一状态的条件 。只有满足这一条件才算是前状态。
dp[i]=max(dp[i],dp[j]+1);
}
ans=max(ans,dp[i]);
}
}
cout << ans;
return 0;
}
注意一个点,就是每次更新dp[i],就要更新ans。如果直接cout << dp[n]。是不对的。因为dp[n]可能是0;