POJ 1836--Alignment(LIS,LCS)
2014-07-30 15:29
429 查看
题意:要求一给定序列的子序列,使其中的士兵至少能向左或向右看到最边上的士兵。
首先假设士兵高度分别为S1:3 4 5 1 2 5 4 3(discuss的神举例),我们先不管高度1,2,3,4,5的相对位置,看看有哪几种满足要求的排列:
单调递增子序列:1 2 3 4 5
单调递减子序列:5 4 3 2 1
双峰值子序列:3 4 5 5 4 3
其实第三种序列就是我们要求出的子序列,显然我们可以通过正序求一遍LIS,再逆序求一遍LIS,再对数据进行组合求得最少出队人数。
LCS算法:O(n^2) 47ms 参考算法导论
知道LCS算法求递增子序列是显然的,因为最长递增子序列必定是原序列与对原序列(剔除出重复元素)作升序后的LCS。
然后对于LCS算法其实我们都不需要求两遍,可以直接把升序后的序列再逆序接到升序序列后面。如上例,即生成一序列S2:1 2 3 4 5 5 4 3 2 1。
(1) 首先不管高度元素的相对位置,士兵高度的任何一个符合题意的排列都在S2的子序列中。
(2) 然后可知S2的任何一个子序列也都是符合题意的排列,又考虑到S1中所确定的高度的相对位置,求S1和S2的LCS即为题目要求的子序列。
因为S1当中的信息,生成的S2是有很多冗余的。
LIS算法:O(n*logn) 0ms
首先从基本的转移方程出发,设L[i]为以a[i]结尾的LIS的长度,则有转移方程:L[i] = max{L[k]+1,0 <k < i且a[k] < a[i]}
根据上述方程,我们可以枚举小于i的k的元素,但是不能改善复杂度,换种思路我们枚举L[k]怎么样,假设前i-1个元素能形成的LIS的长度为maxL(maxL < i),显然有maxL种L[k],此时我们就要考虑如何更好地选取a[k]来减少复杂度。
算法导论上的提示:一个长度为L1的候选子序列的尾元素肯定不小于一个长度为L1-1的候选子序列的尾元素。这是显然的,若长度为L1的候选子序列的尾元素小于长度为L1-1的候选子序列的尾元素,则长度为L1的子序列是一个更优的选择,我们也就只需要用a[i]去比较前者的尾元素。其实上面的结论还可以更强,即肯定大于的。
打表d[j]:长度为j的子序列的最小尾元素。
则根据3中的结论,有:d[1] < d[2] < .... < d[maxL]。
具体算法:
初始化,d[1] = a[1],L[1] = 1。归纳法:假设前i-1次对d表和L表成功维持其性质。
输入a[i]时,我们首先更新d表
(1) 若d[j] == a[i],则d表不用变,L[i] = j。
(2) 若d[j] < a[i] < d[j+1],因为长度为j+1的子串最小尾元素d[j+1] > a[i],所以a[i]不可能为长度为j+2的子串的尾元素,同理也不可能是大于j+2的长度的子串的尾元素。所以大于j+2的d表不需要更新,并且得到一个信息L[i] <= j+1。显然,L[i] = j+1时存在的,我们把a[i]接在以d[j]为尾元素的长度为j的子串后面即可得到,所以L[i] = j+1,d[j+1] = a[i]。并且a[i]
> d[j],所以长度为j的子串最小元素还是d[j],同理小于j的d表也不需要更新。
(3) 以上都未提到怎么找到a[i]在d表中的相互关系,因为d表升序,可以用二分查找提高效率,这也是logn的由来。
本题还有一个地方容易出错,若只有一个主峰,即”中点“只有一个极大值,则我们用正序逆序的两个L表即可求得解,但如果有两个主峰的情况,即最开始的例子,则我们又需要一个frontAdj[k]来表示等于a[k]在a[k]前面离其最近的士兵的下标,因为高度值范围较大,可以用hash表散列处理。
LIS&Hash:
首先假设士兵高度分别为S1:3 4 5 1 2 5 4 3(discuss的神举例),我们先不管高度1,2,3,4,5的相对位置,看看有哪几种满足要求的排列:
单调递增子序列:1 2 3 4 5
单调递减子序列:5 4 3 2 1
双峰值子序列:3 4 5 5 4 3
其实第三种序列就是我们要求出的子序列,显然我们可以通过正序求一遍LIS,再逆序求一遍LIS,再对数据进行组合求得最少出队人数。
LCS算法:O(n^2) 47ms 参考算法导论
知道LCS算法求递增子序列是显然的,因为最长递增子序列必定是原序列与对原序列(剔除出重复元素)作升序后的LCS。
然后对于LCS算法其实我们都不需要求两遍,可以直接把升序后的序列再逆序接到升序序列后面。如上例,即生成一序列S2:1 2 3 4 5 5 4 3 2 1。
(1) 首先不管高度元素的相对位置,士兵高度的任何一个符合题意的排列都在S2的子序列中。
(2) 然后可知S2的任何一个子序列也都是符合题意的排列,又考虑到S1中所确定的高度的相对位置,求S1和S2的LCS即为题目要求的子序列。
因为S1当中的信息,生成的S2是有很多冗余的。
LIS算法:O(n*logn) 0ms
首先从基本的转移方程出发,设L[i]为以a[i]结尾的LIS的长度,则有转移方程:L[i] = max{L[k]+1,0 <k < i且a[k] < a[i]}
根据上述方程,我们可以枚举小于i的k的元素,但是不能改善复杂度,换种思路我们枚举L[k]怎么样,假设前i-1个元素能形成的LIS的长度为maxL(maxL < i),显然有maxL种L[k],此时我们就要考虑如何更好地选取a[k]来减少复杂度。
算法导论上的提示:一个长度为L1的候选子序列的尾元素肯定不小于一个长度为L1-1的候选子序列的尾元素。这是显然的,若长度为L1的候选子序列的尾元素小于长度为L1-1的候选子序列的尾元素,则长度为L1的子序列是一个更优的选择,我们也就只需要用a[i]去比较前者的尾元素。其实上面的结论还可以更强,即肯定大于的。
打表d[j]:长度为j的子序列的最小尾元素。
则根据3中的结论,有:d[1] < d[2] < .... < d[maxL]。
具体算法:
初始化,d[1] = a[1],L[1] = 1。归纳法:假设前i-1次对d表和L表成功维持其性质。
输入a[i]时,我们首先更新d表
(1) 若d[j] == a[i],则d表不用变,L[i] = j。
(2) 若d[j] < a[i] < d[j+1],因为长度为j+1的子串最小尾元素d[j+1] > a[i],所以a[i]不可能为长度为j+2的子串的尾元素,同理也不可能是大于j+2的长度的子串的尾元素。所以大于j+2的d表不需要更新,并且得到一个信息L[i] <= j+1。显然,L[i] = j+1时存在的,我们把a[i]接在以d[j]为尾元素的长度为j的子串后面即可得到,所以L[i] = j+1,d[j+1] = a[i]。并且a[i]
> d[j],所以长度为j的子串最小元素还是d[j],同理小于j的d表也不需要更新。
(3) 以上都未提到怎么找到a[i]在d表中的相互关系,因为d表升序,可以用二分查找提高效率,这也是logn的由来。
本题还有一个地方容易出错,若只有一个主峰,即”中点“只有一个极大值,则我们用正序逆序的两个L表即可求得解,但如果有两个主峰的情况,即最开始的例子,则我们又需要一个frontAdj[k]来表示等于a[k]在a[k]前面离其最近的士兵的下标,因为高度值范围较大,可以用hash表散列处理。
LIS&Hash:
#include<iostream> #include<cstring> #include<cstdio> using namespace std; #define maxN 1002 #define _max(x,y) ((x)>(y)?(x):(y)) #define maxP 3469 struct node { int height; short adjPos; node* next; }* hashTab[maxP]; short findLen(int* val,int height,int left,int right) { int mid; while(left <= right) { mid = (left+right)/2; if(height == val[mid]) return mid; else if(height > val[mid]) left = mid+1; else right = mid-1; } return left; } int InitMinHeight(int* x,int N,int headVal) { for(int i = 2;i < N;i++) x[i] = 100; x[1] = headVal; return 0; } short hashInsert(int height,int pos) { int adjPos; int slot = height&maxP; node* tmpNode; for(tmpNode = hashTab[slot];tmpNode != NULL;tmpNode = tmpNode->next) { if(tmpNode->height == height) { adjPos = tmpNode->adjPos; tmpNode->adjPos = pos; return adjPos; } } tmpNode = new node; tmpNode->height = height; tmpNode->adjPos = pos; tmpNode->next = hashTab[slot]; hashTab[slot] = tmpNode; return 0; } int str2int(char* height,int len) { int x = 0; int k = 0; int base[6] = {100000,10000,1000,100,10,1}; for(int i = 0;i < len;i++) { if(height[i] != '.') x += (height[i]-'0')*base[k++]; } return x; } int main() { int i,j,N; short maxLis; short tmpL,maxL; char tmpHeight[9]; int height[maxN]; short frontAdj[maxN]; int minHeight[maxN]; //minHeight[i]表示长度为i的子序列最小尾元素 short L[2][maxN]; while(~scanf("%d",&N)) { memset(hashTab,0,sizeof(hashTab)); maxLis = 0; getchar(); for(i = 1;i <= N;i++) { j = 0; while((tmpHeight[j++] = getchar()) != ' '&&tmpHeight[j-1] != '\n'); height[i] = str2int(tmpHeight,j-1); frontAdj[i] = hashInsert(height[i],i); } /***Forward LIS***/ InitMinHeight(minHeight,maxN,height[1]); L[0][1] = 1; maxL = 1; for(i = 2;i <= N;i++) { tmpL = findLen(minHeight,height[i],1,maxL); minHeight[tmpL] = height[i]; L[0][i] = tmpL; maxL = _max(maxL,tmpL); } /***Backfward LIS***/ InitMinHeight(minHeight,maxN,height ); L[1] = 1; maxL = 1; for(i = N-1;i >= 1;i--) { tmpL = findLen(minHeight,height[i],1,maxL); minHeight[tmpL] = height[i]; L[1][i] = tmpL; maxL = _max(maxL,tmpL); } /***find the longest s***/ for(i = 1;i <= N;i++) { if(L[0][i]+L[1][i]-1 > maxLis) //只有一个峰值 maxLis = L[0][i]+L[1][i]-1; if(frontAdj[i]&&L[1][i]+L[0][frontAdj[i]] > maxLis) //有两个相邻的峰值 maxLis = L[1][i]+L[0][frontAdj[i]]; } printf("%d\n",N-maxLis); } return 0; }
相关文章推荐
- POJ 1836 Alignment (LIS)
- POJ 1836 Alignment(LIS)
- poj 1836 Alignment (DP LIS)
- poj 1836 Alignment(双向LIS)
- POJ 1836 Alignment DP LIS
- poj 1836 Alignment (LIS变形)
- POJ-1836-Alignment-双向LIS-注意double精度
- POJ 1836 Alignment(LIS变形)
- poj-1836-Alignment解题报告 LIS
- POJ 1836 Alignment --LIS&LDS
- POJ 1836 Alignment 最长递增子序列(LIS)的变形
- POJ 1836 Alignment(DP | LIS)
- POJ 1836 Alignment (线性dp LIS的两种姿势)
- POJ 1836 Alignment( LIS )
- POJ 1836 Alignment (动态规划LIS)
- POJ 1836 Alignment(LIS和LDS的结合题)
- POJ1836——DP(LCS+LDS)——Alignment
- POJ 1836-Alignment(LIS-士兵列队)
- poj 1836 Alignment(dp,LIS)
- poj 1836 Alignment (LIS)