最长上升子串

本文介绍了一种求解最长上升子串的算法实现,通过动态规划方法在给定数组中寻找最长的连续上升子串。输入样例展示了一个包含6个元素的数组,输出了该数组中最长上升子串的长度为3。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

给定一个数组求其最长上升子串

输入样例: 

6

3 2 4 5 3 6

输出样例: 

3

解释:子串区别于子序列,子序列不要求连续,子串要求连续

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

int dp[100];

int main()
{
	int n,list[100],ans=0;
	scanf("%d",&n);
	for(int i=1;i<=n;i++) scanf("%d",&list[i]);
	for(int i=1;i<=n;i++)
	{
		dp[i]=1;
		for(int j=1;j<i;j++)
		{
			if(list[j]<list[i]&&i-j==1) dp[i]=max(dp[i],dp[j]+1);
		}
		ans=max(ans,dp[i]);
	}
	printf("%d",ans);
	return 0;
} 

 

最长上升子序列(Longest Increasing Subsequence, LIS)问题是动态规划的经典问题之一。其核心思想是利用状态转移方程逐步构建解的过程。 假设我们有一个长度为 \( n \) 的数组 \( arr[1..n] \),我们需要找到其中的最长上升子序列的长度。 ### 动态规划思路 定义一个一维数组 \( dp[i] \),其中 \( dp[i] \) 表示以 \( arr[i] \) 结尾的最长上升子序列的长度。 初始化条件:每个元素单独作为一个子序列,所以初始时有 \( dp[i] = 1 \) (\( i = 1, 2, ..., n \)) 状态转移方程如下: \[ dp[i] = \max(dp[j]) + 1, \quad 其中\ j < i\ 且\ arr[j] < arr[i] \] 这意味着对于第 \( i \) 个位置,如果前面存在某个 \( j \) 满足 \( arr[j] < arr[i] \),则尝试更新 \( dp[i] \) 为更大的值 \( dp[j] + 1 \) 。若无满足条件的 \( j \),则保持默认 \( dp[i]=1 \) 即该点本身构成最小子序列的情况。 最终的答案即为整个dp表中的最大值: \[ ans = \max(dp[1], dp[2], ..., dp[n]) \] 时间复杂度分析来看,双重循环导致基本算法的时间复杂度为O(n^2)。然而,此问题还有优化版本如二分查找配合贪心策略可降低至 O(n log n),但这超出了基础DP方程讨论范畴。 --- ### 实现范例(Python) ```python def lengthOfLIS(nums): if not nums: return 0 dp = [1]*len(nums) # 根据转移公式填充 dp 数组 for i in range(1,len(nums)): for j in range(i): if nums[j]<nums[i]: dp[i]=max(dp[i],dp[j]+1) return max(dp) ``` 上述函数实现了计算任意输入列表中最长递增子串长度的功能。
评论
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