参考 ——>百度文库
(说实话这东西真难想,状态定义不好定义,O(N^2)的优化也不好理解)
(好的文章是给不会的人看的)
首先给出状态的定义dp[i][j],表示以a串的前i个字符b串的前j个字符且以b[j]为结尾构成的LCIS的长度,也就是说以b串为基准。那么在生成的dp二维表中答案就是max(dp[n][1],dp[n][2],dp[n][3]......dp[n][m])。
状态如何转移?也就是怎么整递推式?分两种情况:
a[i]!=b[j]时,dp[i][j]=dp[i-1][j],也就是说a[i]对dp[i][j]没有什么贡献,根据我们对状态的定义,没有a[i]不影响dp[i][j]。
a[i]==b[j]时,dp[i][j]=max(dp[i-1][k])+1 1<=k<=j-1&&b[j]>b[k] ,这个稍微有点不好理解,当前b[j]==a[i],那么我们从之前的哪个状态转移过来才能使当前最优呢?换句话说就是在前面找一个最大的LCIS能让b[j]或者a[j]接在后面,来使当前的LCIS最大。
分析到这里代码差不多就可以写了:
#include<bits/stdc++.h> using namespace std; int a[256],b[256]; int dp[256][256]; int main(){ int n,m; cin>>n>>m; for(int i=1;i<=n;i++){ cin>>a[i]; } for(int i=1;i<=m;i++){ cin>>b[i]; } for(int i=1;i<=n;i++){ for(int j=1;j<=m;j++){ if(a[i]!=b[j]){ dp[i][j]=dp[i-1][j]; } else if(a[i]==b[j]){ int temp=0; for(int k=1;k<j;k++){ if(b[k]<b[j]) temp=max(dp[i-1][k],temp); } dp[i][j]=temp+1; } } } int maxx=0; for(int i=1;i<=m;i++){ maxx=max(maxx,dp[n][i]); } cout<<maxx<<endl; return 0; }
上面是一个O(n^3)的时间复杂度
优化的地方在于如何消掉最内层循环,也就是遍历之前最大LCIS的那部分代码。
#include<bits/stdc++.h> using namespace std; int a[256],b[256]; int dp[256][256]; int main(){ int n,m; cin>>n>>m; for(int i=1;i<=n;i++){ cin>>a[i]; } for(int i=1;i<=m;i++){ cin>>b[i]; } for(int i=1;i<=n;i++){ int max=0; for(int j=1;j<=m;j++){ dp[i][j]=dp[i-1][j]; if(a[i]>b[j]&&dp[i-1][j]>max){ max=dp[i-1][j]; } if(a[i]==b[j]){ dp[i][j]=max+1; } } } int maxx=0; for(int i=1;i<=m;i++){ maxx=max(maxx,dp[n][i]); } cout<<maxx<<endl; return 0; }
这个代码是真的烧脑,在这里我只能作不够详尽的解释,之后如果悟到点其他的再补充。
在开始那版代码里我们将a[i]和b[j]的关系分为两种情况讨论:等和不等。在相等的时候,需要遍历j之前的k,判断是否存在b[k]使得b[k]<b[j]并且以b[k]结尾的LCIS长度是最大的。那么我们可以使用一个变量计算到当前j时,dp[i-1][k](1<=k<j)的最大值。
当a[i]==b[j]相等时赋给dp[i][j]就行。
代码中的if(a[i]>b[j]&&dp[i-1][j]>max)是我当时想不明白的地方,可以这样想,现在的max是要给之后a[i]==b[j]用的,而b[k]要小于b[j],也就是a[i]>b[k],那么当遇到b[k]<a[i]时就判断dp[i-1][k]和max的大小。
如果a[i]<b[k]不需要管,因为既然a[i]<b[k]那么之后的a[i]==b[j]中b[j]一定大于b[k],不满足我们要找的递增序列,也就不会把b[k]接在后面。
最长公共上升子序列 LCIS
最新推荐文章于 2024-03-16 17:45:30 发布