最长递增子序列(LIS)[通俗易懂]

最长递增子序列(LIS)[通俗易懂]①dp[i]表示以i为结尾的最长子序列长度②dp[i]表示长度为i的最长递增子序列末尾的数

大家好,又见面了,我是你们的朋友全栈君。

最长递增子序列(LIS)

问题描述:

求一个序列的最长递增子序列,这样的子序列是允许中间越过一些字符的,即留“空”。

例如:4 2 3 1 5 的最长递增子序列为 2 3 5,长度为 3 。

解法:

这里给出两种动态规划的做法,第二种是比较优化的 dp 。

① dp:dp[i] 表示以 i 结尾的最长递增子序列长度
在这里插入图片描述
第一个元素直接设置 LIS 长度为 1 即可。
在这里插入图片描述
处理第二个元素 2 的时候判断是否比前面的元素 4 大,没有的话那么以 2 为结尾的 LIS 就是 2,

即 LIS 长度为 1。
在这里插入图片描述
处理第三个元素 3 的时候需要跟前面的每个元素都进行比较,3 大于 2,则 LIS 的长度可能为 dp[1] + 1,

3 小于 4,则 LIS 的长度可能为 1,比较dp[1] + 1 和 1,取最大值,为 2 。
在这里插入图片描述
处理第四个元素 1,发现比前面的元素都小,那么以 1 为结尾的 LIS 只可能为 1,因此 LIS 的长度为 1。
在这里插入图片描述
处理最后一个元素 5,发现比前面的元素都大,那么以 5 结尾的 LIS 的长度可能为

dp[0] + 1,dp[1] + 1,dp[2] + 1,dp[3] + 1。

其中的最大值为 dp[2] + 1 = 3,因此 LIS 的长度为 3。

总结:

dp[i] 默认都为 1,因为以 i 结尾的 LIS 至少包含自己。

在 dp 表 0~i-1 中比对时,若 arr[i] > arr[j],

那么 dp[j] + 1 可能为 dp[i] 的最终值。

需要在所有的可能值中取最大值。

时间复杂度为 O(n2)。

② dp:dp[i] 表示长度为 i 的最长递增子序列(LIS)末尾的数
在这里插入图片描述
第一个元素直接加入 dp 表,dp[1] = 4,表示长度为 1 的 LIS 末尾的数当前为 4。
在这里插入图片描述
第二个元素为 2,因为 2 < 4,直接替换掉 4,dp[1] = 2 。

因为后面序列中的数字 > 2 的几率一定比 > 4 的几率高,有种贪心的感觉。
在这里插入图片描述
第三个元素为 3,由于 3 > dp[1] = 2,构成递增,dp[2] = 3,表示长度为 2 的 LIS 的末尾为 3 。
在这里插入图片描述
第四个元素为 1,由于 1 < dp[2] = 3,因此在前面一定有一个位置可以换成 1,

并且后面的递增性质不会被破坏。

第一个 > 1 的为 dp[1] = 2,因此将 dp[1] 置为 1。
在这里插入图片描述
最后一个元素为 5, 5 > dp[2] = 3,构成递归,故dp[3] = 5。

全部遍历完成,这个时候我们就可以发现 dp 数组的下标 3 就是我们要求的 LIS 长度。

参考代码:

// 这里的最长递增子序列是允许中间跨越其他子序列的 
#include<iostream>
#include<algorithm>
using namespace std;

int *arr;
int *dp;

// 经典问题 dp[i]的意思为以i为结尾的最长子序列为多少 
int getResult(int n)
{ 
   
	dp[0] = 1;
	for (int i = 1; i < n; i++)
	{ 
   
		int cnt = 1;
		for (int j = i - 1; j >= 0; j--)
		{ 
   
			if (arr[i] > arr[j])
			{ 
     // 保证递增 
				cnt = max(cnt, dp[j] + 1);
			}
		}
		dp[i] = cnt;
	}
	int ans = 0;
	for (int i = 0; i < n; i++)
	{ 
   
		ans = max(ans, dp[i]);
	}
	return ans;
}

// 二分查找变体 找到第一个大于等于n的位置index 
int BinarySearch(int *dp, int len, int n)
{ 
   
	int left = 1;
	int right = len;
	while (left < right)
	{ 
   
		int mid = (left + right) / 2;
		if (dp[mid] >= n)
		{ 
   
			right = mid;
		}
		else
		{ 
   
			left = mid+1;
		}
	}
	return right;
}

// 优化的dp dp数组的最终下标为答案 
int getResult1(int n)
{ 
   
	 dp[1] = arr[0];
	 int index = 1;
	 for (int i = 1; i < n; i++)
	 { 
   
	 	if (arr[i] > dp[index])
	 	{ 
   
	 		// 更新index 
	 		dp[++index] = arr[i];
		 }
		 else
		 { 
   
		 	// 把dp数组中第一个大于等于n的数字替换为arr[i] 
		 	int tempIndex = BinarySearch(dp, index, arr[i]);
		 	dp[tempIndex] = arr[i];
		 }
	 }
	 return index;
} 

int main(){ 
   
	int n;
	while (cin >> n)
	{ 
   
		arr = new int[n];
		dp = new int[n+1]; 
		for (int i = 0; i < n; i++)
		{ 
   
			cin >> arr[i];
		}
		int ans = getResult1(n);
		cout << ans << endl;
		delete[] arr;
		delete[] dp;
	}
	return 0;
} 

【END】感谢观看

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/130060.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • C语言冒泡排序和选择排序_选择排序和冒泡排序哪个快

    C语言冒泡排序和选择排序_选择排序和冒泡排序哪个快实例1 冒泡法排序数组中有N个整数,用冒泡法将它们从小到大(或从大到小)排序。实例解析:排序是非常重要且很常用的一种操作,有冒泡排序、选择排序、插入排序、希尔排序、快速排序、堆排序等多种方法。这里我们先简单介绍前三种排序算法和代码的实现,其余算法将在后续课程《数据结构》中学习到。冒泡法排序是C语言教材中已经介绍过的排序方法,与其他排序方法比较起来,冒泡法效率是最低的,但因其算法

    2022年10月18日
    1
  • Qemu kvm_qemu详细教程

    Qemu kvm_qemu详细教程重新创建vm修改虚拟机的xml文件virshshutdown原来的虚拟机virshundefine原来的虚拟机virshdefine新的xml文件,创建虚拟机virshstart虚拟机

    2022年8月11日
    4
  • java分页计算公式_java将list分页

    java分页计算公式_java将list分页1根据传入的参数计算1.1请求参数(currPage:当前页、pageSize:每页展示条数),根据这两个参数计算起始起始条数、截止条数 起始条数 firstIndex=(currPage-1)*pageSize 截止条数 lastIndex=currPage*pageSize1.2计算总页码(需获取总条数)pages=total%pageSize==0?total/pageSize:total/pageSize+1…

    2022年10月3日
    0
  • 插入排序

    插入排序

    2021年12月14日
    51
  • Python_0b、0o、0x进制转换/原码、反码、补码[通俗易懂]

    Python_0b、0o、0x进制转换/原码、反码、补码[通俗易懂]4月28日学习总结:一、进制转换1.二进制0b、八进制0o和十六进制0x转换为十进制的方法:设目标数字为n,相关进制为x,将数字n从右向左分解,分别乘以x的零次方、一次方等并相加。2.十进制转换为二进制0b、八进制0o和十六进制0x的方法:设目标数字为n,相关进制为x,将n除以x至结果小于x,从下向上依次拼接各阶段余数。3.各进制互转的方法:2->8:重点是记住0o与0b的对应…

    2022年6月24日
    48
  • Java设计模式之行为型:迭代器模式

    Java设计模式之行为型:迭代器模式

    2021年10月4日
    41

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号