最大上升子序列(动态规划)
2018-04-03 16:59
239 查看
部分参考点击打开链接【题目描述】给定N个数,求这N个数的最长上升子序列的长度。【样例输入】72 5 3 4 1 7 6【样例输出】4最大上升子序列就是在一段序列内求出一段严格上升的子序列(即后一位一定大于前一位,不能存在等于的情况)2,3,4,7和2,3,4,6就是序列2 5 3 4 1 7 6的两种选取方案。最长的长度是4.
![](https://img-blog.csdn.net/20180403164043969?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2J4ZzEwNjUyODM1MjY=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
最大下降子序列与其定义相反。首先,我们先介绍较慢O(n2)的方法。我们记num为到这个数为止,最长上升子序列的长度。
![](https://img-blog.csdn.net/20180403164604214?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2J4ZzEwNjUyODM1MjY=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
这种方法就是每一次寻找“可以接下去的”,换句话说,设原序列为a,则当aj<ai(j<i)aj<ai(j<i)且numj+1>numinumj+1>numi时,numi=numj+1numi=numj+1。对于每一个数,他都是在“可以接下去”的中,从前面的最优值+1转移而来。因此,这个算法是可以求出正确答案的。复杂度很明显,外层i枚举每个数,内层j枚举目前i的最优值,即O(n2n2)。 那么,有没有更快的方法呢?当然有。这回要用到二分。我们回想一下,在上面O(n2n2)的程序中,哪些地方看起来比较费时?没错,就是内层用于更新i的循环。因为每一次他都要查找一遍,效率并不高。回到题目,我们发现,他只要我们求长度,所以?我们可以模拟一个栈。所以每遇到一个比栈顶元素大的数,就放进栈里,遇到比栈顶元素小的就二分查找前边的元素,找到一个“最应该被换掉的元素”,用新数去更新前边的元素。这个算法不难证明也是正确的。因为前面每一次的枚举都换成了二分,内层的复杂度从nn降到了log2log2,外层不变。所以总的复杂度是O(nlog2nnlog2n)。接下来,我先给出朴素算法的代码。
#include<algorithm>
const int MAXN=200001;
int a[MAXN];
int d[MAXN];
int main()
{
int n;
scanf("%d",&n);
for(int i=1;i<=n;i++)
scanf("%d",&a[i]);
d[1]=a[1];
int len=1;
for(int i=2;i<=n;i++)
{
if(a[i]>d[len])
d[++len]=a[i];
else
{
int j=std::lower_bound(d+1,d+len+1,a[i])-d;
d[j]=a[i];
}
}
printf("%d\n",len);
return 0;
}如果理解了,可以做一下下面的一个例题:
秋天到了,CUGBACMCUGBACM队组织大家去登山观光,队员们发现山上一个有NN个景点,并且决定按照顺序来浏览这些景点,即每次所浏览景点的编号都要大于前一个浏览景点的编号。同时队员们还有另一个登山习惯,就是不连续浏览海拔相同的两个景点,并且一旦开始下山,就不再向上走了。队员们希望在满足上面条件的同时,尽可能多的浏览景点,你能帮他们找出最多可能浏览的景点数么?
Line 2: NN个整数,每个景点的海拔
using namespace std;
int main()
{
int n, i, j, k, a[1001], f[1001] = { 0 }, g[1001] = { 0 }, m1, m2;
cin >> n;
for (i = 0; i<n; ++i)
cin >> a[i];
for (i = 0; i<n; ++i)//最外层是遍历所有景点,将其作为最高点
{
f[i] = 1;
for (j = 0; j<i; ++j)//求最长上升子序列
if (a[j]<a[i] && f[j]+1>f[i])//f[j]严格小于f[i],并且若加上f[j]大于f[i]则更新f[i]
f[i] = f[j] + 1;//f[i]代表的是到i为止,最长子序列的长度
}
for (i = n - 1; i >= 0; --i)
{
g[i] = 1;
for (k = n - 1; k > i; --k)//求最长下降子序列
if (a[k]<a[i] && g[k] + 1>g[i])//原理同上
g[i] = g[k] + 1;
}
m1 = 0;
for (i = 0; i<n; ++i)
{
if (f[i] + g[i] - 1>m1)m1 = f[i] + g[i] - 1;
}
cout << m1 << endl;
return 0;
最大下降子序列与其定义相反。首先,我们先介绍较慢O(n2)的方法。我们记num为到这个数为止,最长上升子序列的长度。
这种方法就是每一次寻找“可以接下去的”,换句话说,设原序列为a,则当aj<ai(j<i)aj<ai(j<i)且numj+1>numinumj+1>numi时,numi=numj+1numi=numj+1。对于每一个数,他都是在“可以接下去”的中,从前面的最优值+1转移而来。因此,这个算法是可以求出正确答案的。复杂度很明显,外层i枚举每个数,内层j枚举目前i的最优值,即O(n2n2)。 那么,有没有更快的方法呢?当然有。这回要用到二分。我们回想一下,在上面O(n2n2)的程序中,哪些地方看起来比较费时?没错,就是内层用于更新i的循环。因为每一次他都要查找一遍,效率并不高。回到题目,我们发现,他只要我们求长度,所以?我们可以模拟一个栈。所以每遇到一个比栈顶元素大的数,就放进栈里,遇到比栈顶元素小的就二分查找前边的元素,找到一个“最应该被换掉的元素”,用新数去更新前边的元素。这个算法不难证明也是正确的。因为前面每一次的枚举都换成了二分,内层的复杂度从nn降到了log2log2,外层不变。所以总的复杂度是O(nlog2nnlog2n)。接下来,我先给出朴素算法的代码。
#include<cstdio> const int MAX=1001; int a[MAX]; int lis(int x) { int num[MAX]; for(int i=0;i<x;i++) { num[i]=1; for(int j=0;j<i;j++) { if(a[j]<a[i]&&num[j]+1>num[i]) num[i]=num[j]+1; } } int maxx=0; for(int i=0;i<x;i++) if(maxx<num[i]) maxx=num[i]; return maxx; } int main() { int n; scanf("%d",&n); for(int i=0;i<n;i++) scanf("%d",&a[i]); return !printf("%d\n",lis(n)); }这个则是二分算法的代码:#include<cstdio>
#include<algorithm>
const int MAXN=200001;
int a[MAXN];
int d[MAXN];
int main()
{
int n;
scanf("%d",&n);
for(int i=1;i<=n;i++)
scanf("%d",&a[i]);
d[1]=a[1];
int len=1;
for(int i=2;i<=n;i++)
{
if(a[i]>d[len])
d[++len]=a[i];
else
{
int j=std::lower_bound(d+1,d+len+1,a[i])-d;
d[j]=a[i];
}
}
printf("%d\n",len);
return 0;
}如果理解了,可以做一下下面的一个例题:
秋天到了,CUGBACMCUGBACM队组织大家去登山观光,队员们发现山上一个有NN个景点,并且决定按照顺序来浏览这些景点,即每次所浏览景点的编号都要大于前一个浏览景点的编号。同时队员们还有另一个登山习惯,就是不连续浏览海拔相同的两个景点,并且一旦开始下山,就不再向上走了。队员们希望在满足上面条件的同时,尽可能多的浏览景点,你能帮他们找出最多可能浏览的景点数么?
Input
Line 1: N(2≤N≤1000)N(2≤N≤1000) 景点数Line 2: NN个整数,每个景点的海拔
Output
最多能浏览的景点数Sample Input
8 186 186 150 200 160 130 197 220
Sample Output
4题解:该题首先需要遍历一遍所有景点,将遍历的节点作为最高点,求其从左至右求其最长上升子序列,从右至左求其最长下降子序列。最后两者加和减去公共部分的最高点就是答案。#include<iostream>
using namespace std;
int main()
{
int n, i, j, k, a[1001], f[1001] = { 0 }, g[1001] = { 0 }, m1, m2;
cin >> n;
for (i = 0; i<n; ++i)
cin >> a[i];
for (i = 0; i<n; ++i)//最外层是遍历所有景点,将其作为最高点
{
f[i] = 1;
for (j = 0; j<i; ++j)//求最长上升子序列
if (a[j]<a[i] && f[j]+1>f[i])//f[j]严格小于f[i],并且若加上f[j]大于f[i]则更新f[i]
f[i] = f[j] + 1;//f[i]代表的是到i为止,最长子序列的长度
}
for (i = n - 1; i >= 0; --i)
{
g[i] = 1;
for (k = n - 1; k > i; --k)//求最长下降子序列
if (a[k]<a[i] && g[k] + 1>g[i])//原理同上
g[i] = g[k] + 1;
}
m1 = 0;
for (i = 0; i<n; ++i)
{
if (f[i] + g[i] - 1>m1)m1 = f[i] + g[i] - 1;
}
cout << m1 << endl;
return 0;
相关文章推荐
- SDUT_最大上升子序列的和_动态规划
- 动态规划——最大上升子序列(hdu1087)
- ECNU2958最大上升子序列(动态规划)
- poj 2533 【动态规划】【最大上升子序列】
- 动态规划例题 最大上升自序列
- HDU 1087(动态规划-最大上升序列)
- 最大连续子序列 (动态规划) hdoj 1231
- 最大子序列求解 分治法和动态规划
- hdu 1231&1003 -最大连续子序列-动态规划
- 最大上升子序列长度
- 第七周作业——动态规划求最大递增子序列
- Lintcode 114.最大上升连续子序列
- 数字序列加入+,*运算符后取得最大值问题; 动态规划;打破传统从决策入手思想;找出问题的特有性质;从例子入手找特点;
- 最大子序列和:一道题窥探分治与动态规划
- hdoj 1069 Monkey and Banana(上升子序列最大和)
- uva10605 最大公共子序列转化为最大上升子序列
- 动态规划—13最大上升子序列和
- 夕拾算法进阶篇:14)最长上升子序列(动态规划DP)
- 杭电oj1231(动态规划最大连续子序列之和)
- 最大上升子序列的和