Nyoj 214 单调递增子序列(二)
2014-03-19 16:58
239 查看
以前那种写法是超时的,看别人的想法之后,才发现还有O(n*logn)的算法,这种想法挺不错的!
/** #include <iostream> #include <cstdio> #include <cstring> using namespace std; const int MAXN = 100010; int main() { int n; int i, j; int dp[MAXN]; int arr[MAXN]; while (~scanf("%d", &n)) { for (i = 0; i < n; ++i) { scanf("%d", &arr[i]); dp[i] = 1; } int ans = 0; for (i = 0; i < n; ++i) { for (j = 0; j < i; ++j) { if( arr[i] > arr[j] && dp[i] < dp[j] + 1) dp[i] = dp[j] + 1; } if(ans < dp[i]) ans = dp[i]; } cout<<ans<<endl; } return 0; } */ /************************************************************************/ /*最长不下降子序列的O(n*logn)算法分析如下: 不过这一题的数据规模最大可以达到40000,经典的O(n^2)的动态规划算法明显会超时。 我们需要寻找更好的方法来解决是最长上升子序列问题。 先回顾经典的O(n^2)的动态规划算法,设A[i]表示序列中的第i个数,F[i]表示从1到i这一段 中以i结尾的最长上升子序列的长度,初始时设F[i] = 0(i = 1, 2, ..., len(A))。 则有动态规划方程:F[i] = max{1, F[j] + 1} (j = 1, 2, ..., i - 1, 且A[j] < A[i])。 现在,我们仔细考虑计算F[i]时的情况。假设有两个元素A[x]和A[y],满足 (1) x < y < i (2) A[x] < A[y] < A[i] (3) F[x] = F[y] 此时,选择F[x]和选择F[y]都可以得到同样的F[i]值,那么,在最长上升子序列的这个位置中, 应该选择A[x]还是应该选择A[y]呢? 很明显,选择A[x]比选择A[y]要好。因为由于条件(2),在A[x+1] ... A[i-1]这一段中, 如果存在A[z],A[x] < A[z] < a[y],则与选择A[y]相比,将会得到更长的上升子序列。 再根据条件(3),我们会得到一个启示:根据F[]的值进行分类。对于F[]的每一个取值k, 我们只需要保留满足F[i] = k的所有A[i]中的最小值。设D[k]记录这个值, 即D[k] = min{A[i]} (F[i] = k)。 注意到D[]的两个特点: (1) D[k]的值是在整个计算过程中是单调不上升的。 (2) D[]的值是有序的,即D[1] < D[2] < D[3] < ... < D 。 利用D[],我们可以得到另外一种计算最长上升子序列长度的方法。设当前已经求出的 最长上升子序列长度为len。先判断A[i]与D[len]。若A[i] > D[len], 则将A[i]接在D[len]后将得到一个更长的上升子序列,len = len + 1, D[len] = A[i]; 否则,在D[1]..D[len]中,找到最大的j,满足D[j] < A[i]。令k = j + 1,则有D[j] < A[i] <= D[k], 将A[i]接在D[j]后将得到一个更长的上升子序列,同时更新D[k] = A[i]。 最后,len即为所要求的最长上升子序列的长度。 在上述算法中,若使用朴素的顺序查找在D[1]..D[len]查找,由于共有O(n)个元素需要计算, 每次计算时的复杂度是O(n),则整个算法的时间复杂度为O(n^2),与原来的算法相比没有任何进步。 但是由于D[]的特点(2),我们在D[]中查找时,可以使用二分查找高效地完成,则整个算法的时间复杂度 下降为O(nlogn),有了非常显著的提高。需要注意的是,D[]在算法结束后记录的并不是一个符合题意的最长上升子序列! */ /************************************************************************/ #include <iostream> #include <cstdio> #include <cstring> #define MIN -32769 using namespace std; void Binary_Search(int n) { int i, qs, qe, top, arr[100001]; int t; top = 0; memset(arr, 0, sizeof(arr)); //cin>>arr[top++]; arr[0] = MIN; for (i = 0; i < n; ++i) { cin>>t; if(t > arr[top]) arr[++top] = t; else { qs = 1, qe = top; while(qs <= qe) { int mid = (qs + qe) >> 1; if(t > arr[mid]) qs = mid + 1; else qe = mid - 1; } arr[qs] = t; } } cout<<top<<endl; } int main() { int n; while (~scanf("%d", &n)) { Binary_Search( n ); } return 0; }
相关文章推荐
- nyoj 214 单调递增子序列(二)(LIS ---nlogn算法)
- NYOJ 214 单调递增子序列
- nyoj 214 单调递增子序列(二) dp+二分
- NYOJ-214 单调递增子序列(二)
- NYOJ-214-单调递增子序列(二)
- NYOJ 单调递增子序列(二) 南工214
- NYOJ 214 单调递增子序列(二)
- nyoj 214 单调递增子序列(二) 【另类dp】
- NYOJ 214 单调递增子序列(二)
- NYOJ-214 单调递增子序列(二)
- nyoj214——单调递增子序列(二)
- 单调递增子序列(二) nyoj214
- nyoj--214--单调递增子序列(二)(二分查找+LIS)
- NYOJ 214 单调递增子序列(二)
- NYOJ 214 单调递增子序列二
- nyoj214_单调递增子序列(2)二分查找 nlogn
- 单调递增子序列(二)(nyoj 214)
- nyoj-214 单调递增子序列(二)
- NYOJ 214 单调递增子序列(二)(基础dp+二分)
- NYoj 214 单调递增子序列(二)[动态规划+二分]