一些常见的子列问题【思维】
2017-06-21 13:41
337 查看
问题模型: 给定一连串的数(或子串),问一些关于子列(和,差,公共子串,公共子序列等)的一些问题. (数字的个数在1e5之内,每个数的范围-1000~1000)和一些常见的思想与处理.
1 : 给定一串数字,求最大连续子序和.
这类题的变形题 (只需加一点小小的处理即可!)
2 : 给定一串数字,求最大子项和 且要为奇数 (或偶数,单纯的求最大子项和这个是人都会做.).
思路 :首先考虑极端情况,全是正数,则就全部加起来,如果和为奇数的输出,否则就输出和减去序列中的最小正奇数. 其次,考虑都是负数的情况,则答案就是最大负奇数. 最后,考虑一般情况,序列中既有正又有负,所以根据前面的讨论,我们需要找到该序列中的最小正奇数和最大负奇数.然后把大于0的都加起来,如果是奇数则输出,否则输出max(sum-最小正奇数,sum+最大负奇数).
模板题
滚动数组讲的非常浅显易懂的一篇博客
3 : LCS模板最长公共子序列
模板题
POJ — 1159 点这里 这也是一道求LCS的题,但是你不一定看的出来用LCS来做,因为这里只有一个串,所以我们需要转换下视角,那就是把一个串倒着看,不就有两个串了吗? 这样这两个串的LCS不就是最长的回文串吗?所以学聪明点啊!
4.1 : LIS 最长上升子序列(O(n^2)算法)
基本思想: dp[i] 表示第i个元素作为最长上身子序列的最后一个元素的最长长度是多少.
所以我们需要枚举以它结尾的区间.
但是O(n^2)始终太慢, 还是需要更快的. 那就是O(nlogn), g[i]表示d值为i的最小状态编号.(不存在就为inf)
例题POJ—3903
原理讲解:
4.2 : 最长下降子序列
O(n^2)和最长上身子序列是相同的, 也是dp做法, dp[i] 代表a[i]作为最长下降子序列的最后一个的最优值, 同样是枚举以i结尾的区间. 代码就不给出了, 把上面的改成 < 即可.
主要说说O(nlogn)的做法, 因为我们要找的是第一个小于等于的, 此时就没有库函数可以用, 所以需要自己手写二分来找. 原理一样, 因为是找小于的, 所以g数组初始化为-inf.
模板: (这个也是求严格小于的, 如果是最长不上升子序列,那么同样的二分出改成 < 不取等)
板子对应题目POS -1887
HDU — 1025 点这里 这个也是一道变形LIS题,且数据范围比较大,要用NlogN的算法来做,否则会T,关键是你能否转换成来求LIS!只要这点想到了,这道题就是一个水题!!!
想提醒的是不要认为一定是给了什么字符串才想到用这些算法去做,而是也有许多变形题,思维要开阔,不要形成定式思维.!!!
5 : LCIS 最长公共上升子序列
6 : 最长公共子串
7 : 最大子矩阵和
思想 : 动态规划
状态dp[i][j]代表长i宽j的矩阵的元素和。
(dp[i][j]+=dp[i-1][j]+dp[i][j-1]-dp[i-1][j-1])
假设要求找出x长y宽的最大子矩阵
在i>=x且j>=y的矩阵中找的话,
dp[i][j]就是包含a[i][j]元素的子矩阵的元素和,
则dp[i][j]-dp[i][j-y]-dp[i-x][j]+dp[i-x][j-y]就是
dp[i][j]中x长y宽的子矩阵的元素和(右下角元素为a[i][j])
然后暴力循环比较一遍即可.复杂度 O(n^2).
模板题
8 : 最小正序列和(O(n^2)) 直接暴力 (不过网上也有NlogN的算法,相对于比较麻烦)
9 : 最大子序列乘积
思想 :
遍历数组中每一个数 :
I : a
> 0 (或者有精度问题)
pos
= max{pos[n-1] * a
, a
}
max_value = max{max_value, pos
}
若n-1位置存在最小负数, 更新 nag
= nag[n-1] * a
II : a
< 0
pos
= max{nag[n-1] * a
, 0.0}
max_value = max{max_value, pos
}
更新 nag
= min{pos[n-1] * a
, a
}
III : a
==0:
清空 nag
与 pos
1 : 给定一串数字,求最大连续子序和.
#include<cstdio> const int inf=1e9; int main(){ //在线处理法,即输入一个数就判断一个数. int t; scanf("%d",&t); while(t--){ int n; scanf("%d",&n); int ans=0; int res=-inf; //找最大,先令res为最小. for(int i=1;i<=n;i++){ int m; scanf("%d",&m); ans += m; if(ans > res){ res = ans ; //如果找到更大的值则更新res. } if(ans < 0) //加到这里时,ans已经为负,也不可能使后面的和变大,故重置ans的值. ans = 0; } printf("%d\n",res); } }
这类题的变形题 (只需加一点小小的处理即可!)
2 : 给定一串数字,求最大子项和 且要为奇数 (或偶数,单纯的求最大子项和这个是人都会做.).
思路 :首先考虑极端情况,全是正数,则就全部加起来,如果和为奇数的输出,否则就输出和减去序列中的最小正奇数. 其次,考虑都是负数的情况,则答案就是最大负奇数. 最后,考虑一般情况,序列中既有正又有负,所以根据前面的讨论,我们需要找到该序列中的最小正奇数和最大负奇数.然后把大于0的都加起来,如果是奇数则输出,否则输出max(sum-最小正奇数,sum+最大负奇数).
int main() { int n; int sum=0; int minn=1e9; int maxx=-1e9; scanf("%d",&n); while(n--){ int t; scanf("%d",&t); if(t>0) sum += t; if(t>0 && t%2 && minn>t) minn=t; if(t<0 && t%2 && maxx<t) maxx=t; } if(sum%2) printf("%d\n",sum); else printf("%d\n",max(sum+maxx,sum-minn)); }
模板题
滚动数组原理 : 这里用了滚动数组的原理,只要当前状态的决定量某些特定值位置有关,比如只与上一个状态量,左边或右边的状 态量,就可以用到滚动数组. 我们使每一次操作仅保留若干有用信息,新的元素不断循环刷新,看上去数组的空 间被滚动地利用,此模型我们称其为滚动数组. 滚动数组的优势是大大节省空间. //并且可以依次类推.
滚动数组讲的非常浅显易懂的一篇博客
3 : LCS模板最长公共子序列
const int maxn=1e6; char a[maxn],b[maxn]; int dp[2][maxn]; //只用两行是为了节省空间,因为每个判断都只有两种状态! //这里就用了滚动数组,因为当前状态量只由上一个状态量或左边的状态量有关. //所以就可以用到二维滚动数组. int LCS(){ scanf("%s",a+1); scanf("%s",b+1); int len1=strlen(a+1); int len2=strlen(b+1); for(int i=1;i<=len1;i++){ for(int j=1;j<=len2;j++){ if(a[i] == b[j]) dp[i%2][j] = dp[(i-1)%2][j-1] + 1; else dp[i%2][j] = max(dp[i%2][j-1],dp[(i-1)%2][j]); } } return dp[len1%2][len2]; }
模板题
POJ — 1159 点这里 这也是一道求LCS的题,但是你不一定看的出来用LCS来做,因为这里只有一个串,所以我们需要转换下视角,那就是把一个串倒着看,不就有两个串了吗? 这样这两个串的LCS不就是最长的回文串吗?所以学聪明点啊!
4.1 : LIS 最长上升子序列(O(n^2)算法)
基本思想: dp[i] 表示第i个元素作为最长上身子序列的最后一个元素的最长长度是多少.
所以我们需要枚举以它结尾的区间.
const int maxn=1005; int a[maxn]; int maxlen[maxn]; //maxlen[k]表示存放以ak作为"终点"的最长上升子序列的长度. int main() { int n; cin >> n; for(int i=1;i<=n;i++){ cin >> a[i]; maxlen[i]=1; } for(int i=2;i<=n;i++){ //每次求以第i个数为终点的最长上升子序列的长度. for(int j=1;j < i;j++){ //查看以第j个数为起点的最长上升子序列的长度. if(a[i] > a[j]) //把每一个都找一遍,则最后一定可以找到更长的.接下来更新就是了. maxlen[i] = max(maxlen[i],maxlen[j]+1); //然后更新时,因为是从第一个开始找过来的. } //所以maxnlen[i] 可能大于 maxlen[j]+1 所以取两者中较大的那个. } sort(maxlen,maxlen+n+1); //然后排个序,输出最大的那个值即可. printf("%d\n",maxlen ); }
但是O(n^2)始终太慢, 还是需要更快的. 那就是O(nlogn), g[i]表示d值为i的最小状态编号.(不存在就为inf)
例题POJ—3903
const int maxn=1e5+5; int n; int a[maxn], g[maxn]; //num为所给数字串. g[i]表示d值为i的最小状态编号.(不存在就为inf) // 这个是求严格上升的, 如果是求不降子序列的话改成upper_bound即可 void LIS() { Fill(g, inf); int ans = 0; for(int i=1;i<=n;i++){ int pos = lower_bound(g+1, g+1+n, a[i]) - g; g[pos] = a[i]; ans = max(ans, pos); } printf("%d", ans); }
原理讲解:
定义d[k]:长度为k的上升子序列的最末元素,若有多个长度为k的上升子序列,则记录最小的那个最末元素。 注意d中元素是单调递增的,下面要用到这个性质。 首先len = 1,d[1] = a[1],然后对a[i]:若a[i]>d[len],那么len++,d[len] = a[i]; 否则,我们要从d[1]到d[len-1]中找到一个j,满足d[j-1]<a[i]<d[j],则根据D的定义, 我们需要更新长度为j的上升子序列的最末元素(使之为最小的)即 d[j] = a[i]; 最终答案就是len 利用d的单调性,在查找j的时候可以二分查找,从而时间复杂度为nlogn. 因为使当前LIS的最末元素最小才有可能是这个最长变得更长....(如 1 3 5 4 5)..
4.2 : 最长下降子序列
O(n^2)和最长上身子序列是相同的, 也是dp做法, dp[i] 代表a[i]作为最长下降子序列的最后一个的最优值, 同样是枚举以i结尾的区间. 代码就不给出了, 把上面的改成 < 即可.
主要说说O(nlogn)的做法, 因为我们要找的是第一个小于等于的, 此时就没有库函数可以用, 所以需要自己手写二分来找. 原理一样, 因为是找小于的, 所以g数组初始化为-inf.
模板: (这个也是求严格小于的, 如果是最长不上升子序列,那么同样的二分出改成 < 不取等)
const int maxn = 1e5+5; int g[maxn], a[maxn]; int cas = 1, n; int Bsearch(int x) { int l = 1, r = n, mid, ans; while(l <= r) { mid = (l + r) >> 1; if (g[mid] <= x) { // 严格小于 r = mid - 1; ans = mid; } else l = mid + 1; } return ans; } int cal() { Fill(g, -inf); int ans = 0; for (int i = 1 ; i <= n ; i ++) { int pos = Bsearch(a[i]); g[pos] = a[i]; ans = max(ans, pos); } return ans; } void solve() { while(~scanf("%d", &a[1]) && a[1] != -1) { n = 1; for (int i = 2 ; ; i ++) { scanf("%d", &a[i]); if (a[i] == -1) break; ++ n; } printf("Test #%d:\n", cas++); printf(" maximum possible interceptions: %d\n\n", cal()); } }
板子对应题目POS -1887
HDU — 1025 点这里 这个也是一道变形LIS题,且数据范围比较大,要用NlogN的算法来做,否则会T,关键是你能否转换成来求LIS!只要这点想到了,这道题就是一个水题!!!
想提醒的是不要认为一定是给了什么字符串才想到用这些算法去做,而是也有许多变形题,思维要开阔,不要形成定式思维.!!!
5 : LCIS 最长公共上升子序列
int dp[maxn]; int LCIS(int n, int m) { memset(dp, 0, sizeof(dp)); for(int i=1;i<=n;i++){ int tmp=0; for(int j=1;j<=m;j++){ if(a[i]>b[j] && dp[j]>tmp) //以两个串中短的那个作为基准. tmp = dp[j]; //当前上升的最大长度. else if(a[i]==b[j]) dp[j]=tmp+1; //为了如果当前相等的话就可以使最长的长度加一加. } } int ans = 0; for(int i = 1; i <= m; i++) ans = max(ans, dp[i]); return ans; }
6 : 最长公共子串
int dp[maxn][maxn]; int LCSTR(int n, int m) { int res=-1; memset(dp, 0, sizeof(dp)); 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-1] + 1 ; //由状态转移方程可知,可以用滚动数组来做.(即第一维只用开 2 ) res = max(res,dp[i][j]); } else dp[i][j] = 0; //因为是子串,所以在不等时直接清零,而不再是子序列中的去最优. } } return res; }
7 : 最大子矩阵和
思想 : 动态规划
状态dp[i][j]代表长i宽j的矩阵的元素和。
(dp[i][j]+=dp[i-1][j]+dp[i][j-1]-dp[i-1][j-1])
假设要求找出x长y宽的最大子矩阵
在i>=x且j>=y的矩阵中找的话,
dp[i][j]就是包含a[i][j]元素的子矩阵的元素和,
则dp[i][j]-dp[i][j-y]-dp[i-x][j]+dp[i-x][j-y]就是
dp[i][j]中x长y宽的子矩阵的元素和(右下角元素为a[i][j])
然后暴力循环比较一遍即可.复杂度 O(n^2).
int dp[maxn][maxn]; memset(dp,0,sizeof(dp)); for(int i=1;i<=n;i++){ for(int j=1;j<=m;j++){ scanf("%d",&dp[i][j]); dp[i][j]+=dp[i-1][j]+dp[i][j-1]-dp[i-1][j- 1]; //减去多加了的那部分. if(i>=x&&j>=y) maxx = max(maxx,dp[i][j]-dp[i][j-y]-dp[i-x][j]+dp[i-x][j-y]); //每次都判的右下角那个矩阵.画个图就懂了. } }
模板题
8 : 最小正序列和(O(n^2)) 直接暴力 (不过网上也有NlogN的算法,相对于比较麻烦)
for (int i = 0; i != N; ++i) { ThisSum = 0; for (int j = i; j != N; ++j) { ThisSum += A[j]; if (MinSum > ThisSum && ThisSum > 0) MinSum = ThisSum; } }
9 : 最大子序列乘积
思想 :
遍历数组中每一个数 :
I : a
> 0 (或者有精度问题)
pos
= max{pos[n-1] * a
, a
}
max_value = max{max_value, pos
}
若n-1位置存在最小负数, 更新 nag
= nag[n-1] * a
II : a
< 0
pos
= max{nag[n-1] * a
, 0.0}
max_value = max{max_value, pos
}
更新 nag
= min{pos[n-1] * a
, a
}
III : a
==0:
清空 nag
与 pos
const double eps=1e-6; int MAX(int *a,int n) //如果有精度问题,则把有关的int改为double就行. { int maxx=0,pos=0,old=0,nag=1; for(int i=0;i<n;i++){ if(a[i]>0){ pos = max(old * a[i] , a[i]); maxx = max(maxx,pos); if(nag<0)//如果nag还是大于0,则保持这样才可能是最后答案变大. //否则乘a[i]后是nag更小,这样它乘负数时才可能使答案变更大. //其实这一步就是整个程序中最为关键的一步!!! nag*=a[i]; } else if(a[i]<0){ pos = max(0,nag*a[i]); maxx = max(maxx,pos); nag = (old * a[i] > a[i]) ? a[i] : old * a[i] ; //nag保存着最小的那个数. } old = maxx ; //保证两个数之间最大值可以连续,所以需要把上一个的最大值保存下来,才能有最大的答案. } return maxx; }
相关文章推荐
- ACCESS常见的一些问题及解决的方法
- js一些常见的问题与解决代码(2)(转自www.51js.com)
- 一些常见的问题与解决代码!(三)(JS)
- 数据仓库的一些常见问题
- .NET中一些常见代码的性能问题
- .NET中一些常见代码的性能问题
- SQL SERVER中一些常见性能问题的总结[转]
- VC 和 MFC 的一些常见问题
- SQL SERVER中一些常见性能问题的总结
- VC 和 MFC 的一些常见问题
- 一些常见的问题与解决代码!(精典) 4
- VC 和 MFC 的一些常见问题
- VC 和 MFC 的一些常见问题
- 一些常见的问题与解决代码!(五)(JS)
- [转载]VC 和 MFC 的一些常见问题
- 一些页面常见的问题与解决代码
- 一些常见的问题与解决代码!(精典) 2
- 一些常见的问题与解决代码!(二)(JS)
- SQL SERVER中一些常见性能问题的总结(转载)
- 一些常见的问题与解决代码!(一)