O(nlogn)LIS及LCS算法

本文介绍了一种优化的最长上升子序列(LIS)算法,通过二分查找实现O(nlogn)的时间复杂度,并展示了如何将最长公共子序列(LCS)问题转化为LIS问题进行高效求解。
部署运行你感兴趣的模型镜像

     morestep学长出题,考验我们,第二题裸题但是数据范围令人无奈,考试失利之后,刻意去学习了下优化的算法

一、O(nlogn)的LIS(最长上升子序列)

       设当前已经求出的最长上升子序列长度为len。先判断A[t]与D[len]。若A [t] > D[len],则将A[t]接在D[len]后将得到一个更长的上升子序列,len = len + 1, D[len] = A [t];否则,在D[1]..D[len]中,找到最大的j,满足D[j] < A[t]。令k = j + 1,则有A [t] <= D[k],将A[t]接在D[j]后将得到一个更长的上升子序列,更新D[k] = A[t]。

 不过这种方法要注意,D[]中并不是我们所求的最长上升子序列

代码如下:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;

int search(int *a,int len,int n)
{
	int right=len,left=0,mid=(left+right)/2;
    while(left<=right)
     {
			if (n>a[mid]) left=mid+1;
		    else if (n<a[mid]) right=mid-1;
		    else return mid;
		    mid=(left+right)/2;
	 }
	return left;
}//二分查找 

int main()
{
  int a[1000]={0},b[1000]={0};
  int n,i,j,mid,len;//len用来储存每次循环结束后已经求出值的元素的最大下标
   scanf("%d",&n);
   for (i=1; i<=n; i++)
   	scanf("%d",&a[i]);
   b[1]=a[1];
   b[0]=-1;
   len=1;//从第一位开始,目前只有第一位,所以len=1 
   for (i=1;i<=n;i++)
   	{
		j=search(b,len,a[i]);
		b[j]=a[i];
		if (j>len) len=j;//更新len,由二分查找可知 ,len其实只须+1..... 
	}
   printf("%d",len);
 return 0;
}
二、O(nlogn)的LCS


       其实就是把两个序列化成一个序列,然后做一遍上述O(nlogn)的LIS即可

转换方法如下:

   有样例

      7 8

      1 7 5 4 8 3 9

      1 4 3 5 6 2 8 9

  数组a中 1  2  3  4  5  6  7

 分别对应1  7  5  4  8  3  9 不妨在数组b中的相同的数用在数组a中的 下标来表示(没有出现的用0)

由上述描述则数组b原来为: 1  4  3  5  6  2  8  9

可以表示为:                      1  4   6  3  0  0  5  7

然后对处理后的数组进行一遍LIS,LIS中的len即为所求

注意:这种O(nlogn)的LCS只适用于两两互不相同的两个序列之中,不然会退化(但可以维护二叉搜索树,然而我并不会/(ㄒoㄒ)/~~),但这种LIS是可重的

下面是代码:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
int a[100000]={0},c[100000]={0},d[100000]={0};

int search(int *a,int len,int n)
{
	int right=len,left=0,mid=(left+right)/2;
    while(left<=right)
     {
			if (n>a[mid]) left=mid+1;
		    else if (n<a[mid]) right=mid-1;
		    else return mid;
		    mid=(left+right)/2;
	 }
	return left;
}//二分查找 

int main()
{
  int n,m,i,j,mid,len;
   scanf("%d%d",&n,&m);
   for (i=1; i<=n; i++)
   {
		scanf("%d",&a[i]);
		c[a[i]]=i;
   }
   for (i=1; i<=m; i++)
   {
    	scanf("%d",&a[i]);
    	a[i]=c[a[i]];
   }
   d[1]=a[1];
   d[0]=-1;
   len=1;
   for (i=1;i<=m;i++)
   	{
		j=search(d,len,a[i]);
		d[j]=a[i];
		if (j>len) len=j;
	}
   printf("%d",len);
 return 0;
}

此处感谢morestep学长的倾情讲解



您可能感兴趣的与本文相关的镜像

ACE-Step

ACE-Step

音乐合成
ACE-Step

ACE-Step是由中国团队阶跃星辰(StepFun)与ACE Studio联手打造的开源音乐生成模型。 它拥有3.5B参数量,支持快速高质量生成、强可控性和易于拓展的特点。 最厉害的是,它可以生成多种语言的歌曲,包括但不限于中文、英文、日文等19种语言

<think> 我们被要提供LCS(最长公共子序列)和LIS(最长递增子序列)的状态转移方程,并参考之前的引用内容(引用[1]和引用[2])。 根据引用[1]和引用[2]的内容: 1. LCS(最长公共子序列): 状态定义:$dp[i][j]$ 表示字符串s1的前i个字符和字符串s2的前j个字符的最长公共子序列长度。 状态转移方程: $$ dp[i][j] = \begin{cases} 0 & \text{if } i=0 \text{ or } j=0 \\ dp[i-1][j-1] + 1 & \text{if } s1[i-1] = s2[j-1] \\ \max(dp[i-1][j], dp[i][j-1]) & \text{if } s1[i-1] \neq s2[j-1] \end{cases} $$ 注意:这里假设字符串下标从0开始,所以当比较字符时,实际比较的是s1[i-1]和s2[j-1](因为dp[i][j]考虑的是前i个和前j个字符)。 2. LIS(最长递增子序列): 有两种常见的解决方法:O(n^2)的DP方法和O(nlogn)的贪心+二分查找方法。 a) O(n^2)方法: 状态定义:$dp[i]$ 表示以第i个元素结尾的最长递增子序列的长度。 状态转移方程: $$ dp[i] = \max_{\substack{0 \leq j < i \\ a[j] < a[i]}} \{ dp[j] \} + 1 $$ 也就是说,对于每个i,遍历所有j(j从0到i-1),如果a[j] < a[i],那么dp[i] = max(dp[i], dp[j]+1)。 初始状态:每个dp[i]至少为1(因为自身可以作为一个子序列)。 b) O(nlogn)方法(引用[2]中提供了两种,分别是上升序列和下降序列的维护): 这里我们关注上升序列(LIS)的O(nlogn)解法: 使用一个数组dp(或通常用tail表示),dp[k]表示长度为k+1的递增子序列的最后一个元素的最小可能值(注意这里k从1开始,但代码中索引从1开始)。 然后遍历数组,对于每个元素a[i]: - 如果a[i]大于dp的最后一个元素(即dp[ans]),则直接将其添加到dp末尾,长度增加1。 - 否则,在dp数组中二分查找第一个大于等于a[i]的位置(用lower_bound),将其替换为a[i]。 最终,dp数组的长度就是最长递增子序列的长度。 注意:这个dp数组并不一定是要LIS,但其长度就是LIS的长度。 状态转移没有显式的方程,而是通过维护一个有序数组来实现。 注意:引用[2]中提供了O(n^2)的代码和O(nlogn)的代码,以及上升和下降序列的代码片段。 因此,我们将分别给出LCSLIS的状态转移方程(主要给出O(n^2)LIS,因为它是标准的DP方程,而O(nlogn)的则是一种优化方法,通常不写状态转移方程)。 根据以上内容,我们回答用户的问题。 </think> ### LCS(最长公共子序列)的状态转移方程 给定两个序列 $s1$ 和 $s2$,长度分别为 $m$ 和 $n$: - **状态定义**:$dp[i][j]$ 表示 $s1$ 前 $i$ 个字符和 $s2$ 前 $j$ 个字符的最长公共子序列长度 - **状态转移方程**: $$ dp[i][j] = \begin{cases} 0 & i=0 \text{ 或 } j=0 \\ dp[i-1][j-1] + 1 & s1[i] = s2[j] \\ \max(dp[i-1][j], \ dp[i][j-1]) & s1[i] \neq s2[j] \end{cases} $$ - **特点**: - 二维动态规划,时间复杂度 $O(mn)$ - 当字符匹配时继承左上角值 $+1$;不匹配时取左侧和上方的最大值[^1] --- ### LIS(最长递增子序列)的状态转移方程 给定序列 $a$,长度为 $n$: #### 1. $O(n^2)$ 解法 - **状态定义**:$dp[i]$ 表示以 $a[i]$ 结尾的 LIS 长度 - **状态转移方程**: $$ dp[i] = \max_{0 \leq j < i} \begin{cases} 1 & \text{(初始值)} \\ dp[j] + 1 & \text{if } a[j] < a[i] \end{cases} $$ - **核心代码**: ```cpp for (int i = 0; i < n; i++) { dp[i] = 1; // 初始化为自身长度 for (int j = 0; j < i; j++) { if (a[j] < a[i]) dp[i] = max(dp[i], dp[j] + 1); } } ``` #### 2. $O(n \log n)$ 解法(贪心+二分) - **状态维护**:$dp[k]$ 表示长度为 $k$ 的上升子序列的最小末尾值 - **核心操作**: - 遍历元素 $a[i]$: 1. 若 $a[i] > dp[\text{ans}]$,则 $dp[++\text{ans}] = a[i]$ 2. 否则用 $a[i]$ **替换** $dp$ 中第一个 $\geq a[i]$ 的元素 - 最终 $\text{ans}$ 即为 LIS 长度 - **二分优化**: ```cpp vector<int> dp = {a[0]}; for (int i = 1; i < n; i++) { if (a[i] > dp.back()) dp.push_back(a[i]); else *lower_bound(dp.begin(), dp.end(), a[i]) = a[i]; // 二分插入 } ``` 时间复杂度由嵌套循环优化为 $O(n \log n)$[^2] --- ### 核心对比 | 问题 | 状态定义 | 转移方程特点 | 时间复杂度 | |------|------------------------|----------------------------------|-------------| | LCS | 二维:$dp[i][j]$ | 字符匹配时左上继承,否则取左右值 | $O(mn)$ | | LIS | 一维:$dp[i]$ | 比较历史元素更新当前位置 | $O(n^2)$ | | LIS★ | 贪心数组:$dp[k]$ | 二分维护单调递增序列 | $O(n \log n)$ | > 注:LIS 的 $O(n \log n)$ 算法虽高效,但 $dp$ 数组存储的**不是实际子序列**,仅能获取长度信息[^2]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值