最长上升子序列(c++)

最长上升子序列，又称 LIS（Longest Increasing Subsequence）是动态规划问题中的一个经典模型。

在原序列取任意多项，不改变他们在原来数列的先后次序，得到的序列称为原序列的 子序列。最长上升子序列，就是给定序列的一个最长的、数值从低到高排列的子序列，最长上升子序列不一定是唯一的。例如，序列2,1,5,3,6,4,6,3 的最长上升子序列为 1,3,4,6 和 2,3,4,6，长度均为 4。

一般我们提到求最长上升子序列（LIS）指求出它的长度。

我们来利用动态规划思想解决这个问题。

先来确定状态，可以设 dp[i] 表示只考虑了前 i 个数的时候的最优解，考虑到达这个状态的最后决策，应该是把 a[i] 接到前边的一个子序列之后，那接下来就考虑怎么接。你会发现，你需要知道之前子序列最后一位选了什么数，才知道能不能接上，因为这个数一定要比之前的子序列的最后一个数大。

所以我们对状态的设置稍做更改，设 dp[i] 表示考虑了前 i 个数，且 一定以 a[i] 为结尾 的最长上升子序列长度。

此时，我们在把 a[i] 接进前边的子序列的时候，就看 i 前边的每一位 j ，如果有 j<i 且 a[j]<a[i]，那么把第 i 项接在第 j 项后面构成的子序列长度为：dp[i]=dp[j]+1。

要使dp[i] 为以 i 结尾的最长上升子序列，需要枚举所有满足条件的 j。所以转移方程是：

dp[i]=max(dp[i],dp[j]+1),1≤j<i && a[j]<a[i]

边界情况为每个 dp[i] 的初始值都为 11 ，代表可以就选它这一个数作为一个上升子序列。

那么我们之前的例子根据转移方程则可以得到下表：

最后，dp 数组里面的最大值就是最长上升子序列的长度了。

这个算法的时间复杂度是 O(n2)，是一个 1D/1D 递推模型，状态数为一维，转移点也需要一维枚举。

LIS 示例代码如下：

for (int i = 1; i <= n; i++) {
    dp[i] = 1;
    for (int j = 1; j < i; j++) {
        if (a[j] < a[i]) {
            dp[i] = max(dp[i], dp[j] + 1);
        }
    }
}
for (int i = 1; i <= n; i++) {
    ans = max(ans, dp[i]);
}

完整代码如下：

#include <iostream>
#include <algorithm>
using namespace std;
int a[1005], dp[1005],ans;
int main() {
    int n;
    cin >> n;
    for (int i = 1; i <= n; i++) {
        cin >> a[i];
    }
    for (int i = 1; i <= n; i++) {
        dp[i] = 1;
        for (int j = 1; j < i; j++) {
            if (a[j] < a[i]){
                dp[i] = max(dp[i], dp[j] + 1);
            }
        }
        ans = max (ans, dp[i]);
    }
    cout << ans;
    return 0;
}