暴力做法:动态规划
我们定义f[i]为以第i个元素结尾的最长上升子序列;
遍历整个序列,f[i]=max(f[j])+1,(j=1~i) 并满足a[j]<a[i];
贪心+二分优化
不难发现暴力做法时我们每一轮向前遍历序列时需要对所有小于a[i]的元素进行计算比较,如果能够快速找到在i之前并且小于a[i]的最长上升序列,无疑会大大提高效率。
由贪心思想我们只需用数组q[N]记录相同上升序列长度下末位数最小的值即可,这无疑会增加该长度序列向后拓展的可能性,然后计算遍历到i时只需在q[N]中查找到比自己小的末尾数q[j],并由此计算f[i]=j+1;
由此我们做出以下思考及推论:我们在计算以a[i]结尾的最长子序列f[i]时,记其向前寻找到的最长子序列为cnt;f[i]=cnt+1;此时q[a]的值不会受到影响,而q[cnt+1](表示此时最长上升序列长度为cnt+1的最小末尾值)会更新为a[i],原本q[cnt+1]或许不存在,存在则一定比a[i]要大,若比他要小,我们向前寻找最长序列时一定会找到cnt+1的值,其长度显然更大;由此我们也找到了更新q[N]的方法,还收获了另一把宝剑就是二分,由于我们更新g[N]的过程可以发现我们每次是先找到在此之前比自己小的最长序列,然后更新其后一个数为a[i],可知q[j]总是比q[j-1]要大,所以他是单调的,此时我们向前查找时就可以放心使用这一推论啦.
总结来说①:开数组q[N]用来记录相同上升序列长度下末尾数最小的值,由推导可知这个数组是单 调,连续,前进的;
②:每次计算状态时用二分查找并更新数组q即可;
#include<iostream>
#include<algorithm>
using namespace std;
const int N=1e5+10,INF = 1e9+10;
int a[N];
int q[N],len;
int main()
{
int n;
cin >> n;
for(int i = 0;i < n;++ i){
cin>>a[i];
}
for (int i = 0; i < n; i ++ )
{
int l = 0, r = len;
while (l < r)
{
int mid = l + r + 1 >> 1;
if (q[mid] < a[i]) l = mid;
else r = mid - 1;
}
len = max(len, r + 1);
q[r + 1] = a[i];
}
cout<<len<<endl;
}