题目
Description
当元素 ai1 < ai2 < … < aiK. 就说这个序列是有序上升的。
给定序列(a1, a2, …, aN),存在许多这样的子序列(ai1, ai2, …, aiK),
其中1 <= i1 < i2 < … < iK <= N.
也就是说,子序列是原序列允许挑选若干不连续的元素形成的序列。
举个例子,序列 (1, 7, 3, 5, 9, 4, 8) 就有许多个上上子序列,比如(1, 7), (3, 4, 8) 等。
所有这些上升子序列中最长的长度为4,比如 (1, 3, 5, 8).
你来编程实现,当给定一个初始序列,寻找这个序列的最长上升子序列。
输入格式
此例包含多个测试cases(少于100组test cases)。
每一组test case包含2行。
第一行是这组case的序列长度 N。(N的范围0~10000)
第二行包含 N个整数的一个序列,用空格间隔这N个整数, 1 <= N <= 10000。
当N为0时,表示测试结束。
输出格式
输出必须对每个test case,都有一个整数结果,表示这组case的最长上升子序列的长度。
输入样例
7
1 7 3 5 9 4 8
6
1 8 3 6 5 9
5
1 2 3 4 5
0
输出样例
4
4
5
提示
一,对输入字符串的处理
注意:这道题和其他题的输入输出不同,这题是接收多组数据而非单组,以0来判别结束。
大家在接受数据的时候,不要用(c=getchar())!=‘\n’诸如此类一个字符一个字符接受,
然后判断是否是回车符号来结束一行的输入,这样的方式在你本机运行不会有问题,
但OJ系统中会有错误,无法输出结果,因为测试平台行末并非’\n’字符。
这里接受数据用scanf的%d或%s,或cin等,会自动判别结束字符的,你就不要在你程序
里专门去判别或吸收回车字符。
对于最后一组数据输入为0表示结束,只要判断接受的第一个字符是否为0且字符串长度
为1就结束,无须去处理回车字符。
输入的序列可以用整型数组或字符串数组保存。
二,算法的动态规划思想
考虑采用动态规划算法,针对每个元素,以该元素结尾的最长有序子序列作为子问题,
计算出每个子问题的最大长度用“表”记录下来。先写出递推关系式再编程实现。
设f(i)表示:从左向右扫描过来直到以a[i]元素结尾的序列,可获得的最长上升
子序列的长度,且最长上升子序列包含a[i]元素(1<=i<=n)。
(这里大家思考一下,为何要这样假设子问题和子问题最优解f(i)?
有同学问:为何最长上升子序列要包含a[i]元素(1<=i<=n)?
因为你所设的子问题要和更下一级子问题关联起来。如果长度为i序列的最长上升
子序列中没有规定包含a[i]元素,那如何和其前缀的最长上升子序列问题关联起来
呢?因为你没法确认你前缀的最长上升子序列最后一个字符在哪里?上升子序列的
边界在哪不知道的话,很难和更小规模的子问题联系起来,显然是比较麻烦的。)
f(i)是从f(1),f(2), ……到f(i-1)中找最大的一个值,再加1,或者就是1。
这主要得看a[i]这个元素能否加入到之前已经获得的最长上升子序列当中去,
如果能加入,是之前已获得的最长上升子序列长度加1;
如果不能加入,就开始一个新的上升子序列,长度为1。
最后,所要求的整个序列的最长上升子序列长度为 max{ f(i): 1<=i<=n }
f(i)的递推公式如下:
(1)f(i) = 1 当i=1;
(2)f(i) = max{f(j)+1} 当i>1, 对某个前面的j(1<=j<i), 有a[j]<a[i];
(3)f(i) = 1 当i>1, 对任意j(1<=j<i), 都有a[j]>=a[i]
例子,对于序列:4 2 6 3 1 5 2
i = 1 2 3 4 5 6 7
a[i] = 4 2 6 3 1 5 2
f(i) = 1 1 2 2 1 3 2
这里max{f(i)}=3为原问题所求的最长上升子序列的长度。
效率分析:
f(i)的计算不超过O(n),因此,整个算法为O(n^2)。
题解
代码
#include <iostream>
using namespace std;
const int N = 10010;
int a[N], dp[N];
// 思路:dp[i]表示以a[i]为结尾的最长上升子序列的长度,状态转移到序列中倒数第二个元素的长度
int main()
{
int n;
while(cin >> n && n){
for(int i = 1; i <= n; i++) cin >> a[i];
for(int i = 1; i <= n; i++){
dp[i] = 1;
for(int j = 1; j < i; j++)
if(a[j] < a[i])
dp[i] = max(dp[i], dp[j] + 1);
}
int ans = 0;
for(int i = 1; i <= n; i++) ans = max(ans, dp[i]);
cout << ans << endl;
}
return 0;
}
本文介绍了一种使用动态规划解决最长上升子序列问题的方法,并提供了一个详细的示例代码。通过定义子问题并建立递推关系,可以有效地找到序列中最长的上升子序列。
1645

被折叠的 条评论
为什么被折叠?



