动态规划C++实现–最长递增子序列

动态规划C++实现–最长递增子序列题目:给定数组arr,返回arr的最长递增子序列。举例:arr=[2,1,5,3,6,4,8,9,7],返回的最长递增子序列为[1,3,4,8,9]要求:如果arr长度为N,请实现时间复杂度为O(NlogN)的方法。一、先介绍时间复杂度O(N^2)的方法,具体过程如下:1.生成长度为N的数组dp,dp[i]表示在以arr[i]这个数结尾的情况下,arr[0…

大家好,又见面了,我是你们的朋友全栈君。

题目: 给定数组arr, 返回arr的最长递增子序列

举例:arr = [2, 1, 5, 3, 6, 4, 8, 9, 7], 返回的最长递增子序列为 [1, 3, 4, 8, 9]

要求:如果arr长度为N,请实现时间复杂度为O(NlogN)的方法。

目录: 一、 时间复杂度O(N^2)的方法

           二、 时间复杂度O(NlogN)的方法

一、 先介绍时间复杂度O(N^2)的方法,具体过程如下:

1. 生成长度为N的数组dp, dp[i]表示在以arr[i]这个数结尾的情况下,arr[0…i]中的最大递增序列长度。

2. 对第一个数arr[0]来说,令dp[0] = 1,接下来,从左到右依次计算出每个数结尾的情况下的最长递增序列长度。

3. 计算dp[i],如果最长递增子序列以arr[i]结尾,那么arr[0,…,i-1]中所有比arr[i]小的数都可以作为倒数第二个数

    所以 dp[i] = max{ dp[j] + 1} (0 <=j < i, arr[j] < arr[i]), 如果arr[0,…,i-1]中所有数都不比arr[i]小,令dp[i] = 1。

4.根据求出的dp数组,得到最长递增子序列。遍历dp数组,找到最大值以及位置,并开始逆序还原出决策路径。

代码如下:

// 最长递增序列 <动态规划> <复杂度0(N^2)>
#include<bits/stdc++.h>
using namespace std;
vector<int> getdp1(vector<int> &arr);
vector<int> generateLIS(vector<int> &arr, vector<int>&dp);


int main() {
    vector<int> arr;
    int temp;
    while(cin >> temp){
        arr.push_back(temp);
    }
    vector<int> dp = getdp1(arr);
    vector<int> lis = generateLIS(arr, dp);
    for (int i = 0; i < lis.size(); i++){
        cout << lis[i]<<" ";
    }
    return 0;
}


vector<int> getdp1(vector<int> &arr){
    vector<int> dp(arr.size(), 0);
    for(int i = 0; i < arr.size(); i++){
        dp[i] = 1;
        for (int j = 0; j < i; j++){
            if (arr[j] < arr[i]){
                dp[i] = max(dp[j]+ 1, dp[i]);
            }
        }
    }
    return dp;
}


vector<int> generateLIS(vector<int> &arr, vector<int> &dp){
    int len = 0; int index = 0;
    for (int i = 0; i < dp.size(); i++) { //寻最长递增子序列末尾的位置和值
        if (dp[i] > len) {
            len = dp[i];              // 最长序列长度
            index = i;                // 最长序列末位置
        }
    }
    vector<int> lis(len, 0);
    lis[--len] = arr[index];
    for (int i = index; i >= 0; i--){
        if (arr[i] < arr[index] && dp[i] == dp[index] - 1){  //从后往前找子序列
            lis[--len] = arr[i];
            index = i;
        }
    }
    return lis;
}
/* input
2 1 5 3 6 4 8 9 7
*/
/* output
1 3 4 8 9
*/

编译器:codeblocks

输入:

动态规划C++实现--最长递增子序列

输出:

动态规划C++实现--最长递增子序列

二、 再介绍时间复杂度O(NlogN)的方法,具体过程如下:

计算dp数组的过程达到时间复杂度O(NlogN),这里采用二分查找进行优化,先生成一个长度为N的数组ends和变量right.

遍历的过程中ends[0,…,right]有效区,ends[right+1,…,N-1]无效区,

ends[b] = c 表示遍历到目前为止,在所有长度为b+1的递增序列中,最小的结尾数为c.

以arr=[2,1,5,3,6,4,8,9,7]为例进行说明:

1. 初始时,dp[0]=1, ends[0]=2, rights = 0, 有效区 ends[0…0],ends[0] = 2, 长度为1,结尾为2

2. arr[1] = 1, 在有效区ends[0,…0]找最左边大于或等于arr[1]的数,发现ends[0] =2 >arr[1], 表示以arr[1]结尾的最长序列只有

    一 个,dp[1] = 1, ends[0] = 1 (用1替换了原来的2)

3. arr[2] = 5, 在有效区ends[0,..0]找最左边大于或等于arr[2]的数,发现并没有,则ends的有效长度+1, end[1] = 5, 有效区

   扩大,dp[2] = 2. arr[0,1] = {1, 5}

依此类推:

代码如下:

// 最长递增序列 <动态规划> <复杂度0(NlogN)>
#include<bits/stdc++.h>
using namespace std;
vector<int> getdp2(vector<int> &arr);
vector<int> generateLIS(vector<int> &arr, vector<int>&dp);


int main() {
    vector<int> arr;
    int temp;
    while(cin >> temp){
        arr.push_back(temp);
    }
    vector<int> dp = getdp2(arr);
    vector<int> lis = generateLIS(arr, dp);
    for (int i = 0; i < lis.size(); i++){
        cout << lis[i]<<" ";
    }
    return 0;
}


vector<int> getdp2(vector<int> &arr){
    vector<int> dp(arr.size(), 0);
    vector<int> ends(arr.size(), 0);
    ends[0] = arr[0]; dp[0] = 1;
    int right = 0; int l = 0; int r = 0; int m = 0;
    for (int i = 1; i < arr.size(); i++) {
        l = 0;
        r = right;
        while(l <= r) {      //二分法
            m = (l + r) / 2;
            if (arr[i] > ends[m]){
                l = m + 1;
            }else {
                r = m - 1;
            }
        }
        right = max(right, l);
        ends[l] = arr[i];
        dp[i] = l + 1;
    }
    return dp;
}


vector<int> generateLIS(vector<int> &arr, vector<int> &dp){
    int len = 0; int index = 0;
    for (int i = 0; i < dp.size(); i++) { //寻最长递增子序列末尾的位置和值
        if (dp[i] > len) {
            len = dp[i];
            index = i;
        }
    }
    vector<int> lis(len, 0);
    lis[--len] = arr[index];
    for (int i = index; i >= 0; i--){
        if (arr[i] < arr[index] && dp[i] == dp[index] - 1){  //从后往前找子序列
            lis[--len] = arr[i];
            index = i;
        }
    }
    return lis;
}
/* input
2 1 5 3 6 4 8 9 7
*/
/* output
1 3 4 8 9
*/

编译器:codeblocks

输入:

动态规划C++实现--最长递增子序列

输出:

动态规划C++实现--最长递增子序列

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/134209.html原文链接:https://javaforall.net

(0)
上一篇 2022年6月7日 上午9:36
下一篇 2022年6月7日 上午9:36


相关推荐

  • DDoS 分布式拒绝服务攻击

    DDoS 分布式拒绝服务攻击早上起来搜索了一下 github 在百度百科对 github 的事件报道中看到了 DDoS 大三时候学习计算机网络时 老师有讲到这个东西 当时听的似懂非懂 于是我点击进了 DDoS 的介绍 进行了进一步了解 特在此经行重点内容的简要记录 nbsp nbsp nbsp nbsp DDoS 分布式拒绝服务攻击 DistributeDe 是针对信息安全三要素 保密性 完整性 可用性 中的 可用性 进行攻击

    2026年3月18日
    2
  • 文心一言:AI人工智能领域的创新之作

    文心一言:AI人工智能领域的创新之作

    2026年3月12日
    2
  • 二叉树算法应用案例

    笔者在1月4号将在CSDN学院开设一门公开课《算法与游戏实战》,在这里先把课程内容透露一部分给读者。首先讲述二叉树算法,二叉树在IT领域应用是非常广泛的,它不仅在游戏开发中,在当前比较火的人工智能上也得到了广泛的应用。作为使用者,首先要清楚二叉树的特性:它是n(n≥0)个结点的有限集;它的孩子节点做多是2个;它的遍历有先序,中序,后序;它的存储结构分为线性和链式存储等等;还有一种是最优二叉树也称为

    2022年4月9日
    47
  • Java集合篇:HashMap 与 ConcurrentHashMap 原理总结

    Java集合篇:HashMap 与 ConcurrentHashMap 原理总结一、HashMap原理总结:1、什么是HashMap:(1)HashMap是基于Map接口的非同步实现,线程不安全,是为了快速存取而设计的;它采用key-value键值对的形式存放元素(并封装成Node对象),允许使用null键和null值,但只允许存在一个键为null,并且存放在Node[0]的位置,不过允许存在多个value为null的情况。(2)在JDK7及之前的版本,HashMap的数据结构可以看成“数组+链表”,在JDK8及之后的版本,

    2022年6月24日
    24
  • 【python量化】用python搭建一个股票舆情分析系统

    【python量化】用python搭建一个股票舆情分析系统写在前面下面的这篇文章将手把手教大家搭建一个简单的股票舆情分析系统,其中将先通过金融界网站爬取指定股票在一段时间的新闻,然后通过百度情感分析接口,用于评估指定股票的正面和反面新闻的占比,以…

    2026年2月3日
    5

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