数据结构算法设计——动态规划——最长不下降子序列LIS

本文详细介绍了最长不下降子序列的概念及其实现方法,并通过一个具体的例子进行讲解,帮助读者更好地理解这一算法。

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

一、什么是最长不下降子序列

        我们以字符子序列为例解释:

        字符子序列:指的是字符串中不一定连续但先后顺序一致的n个字符,即可以去掉字符串中的部分字符,但不可改变其前后顺序。如abcdefg中,acdg,bdf属于它的子序列,而bac,dbfg则不是,因为它们与字符串的字符顺序不一致。

        公共子序列:如果序列C既是序列A的子序列,同时也是序列B的子序列,则称它为序列A和序列B的公共子序列。如对序列 1,3,5,4,2,6,8,7和序列 1,4,8,6,7,5 来说,序列1,8,7是它们的一个公共子序列。

        最长不下降子序列:在一个数字序列中,找到一个最长的子序列(可以不连续),使得这个子序列是不下降(非递减)的。

二、思路分析

        概念太难懂,抽象解释也不好理解,我们举个例子。在“11,15,12,13,5,2”这个序列中,求他们的最长不下降子序列。这里先给出一个表格再做解释。

1115121352

LIS[1]

1
LIS[2]2
LIS[3]2
LIS[4]3
LIS[5]1
LIS[6]1

        这个表格每个格子中的数字我们用一个数组 dp[i] 来表示,i 从1 到 6 ,dp[i] 表示这个子序列“以第 i 个元素结尾”所能组成的最长不下降子序列的长度。比如当 i=3 的时候,dp[i] 就表示“11,15,12”这个子序列能组成的最长不下降子序列的长度为 2 ,也就是“11,12”。

        但是我们需要注意一点,通常情况下动态规划最后的输出就是dp数组的最后一个值,但是这类题我们显然不能这样输出,所以我们需要在每次循环结束之后,用一个值 ans 来存储 dp 数组的最大值,最后输出 ans 

三、代码

#include <bits/stdc++.h>
using namespace std;
 
const int maxn=1005;
int a[maxn],dp[maxn];
 
int main() {
	int n;
	cin>>n;
	for(int i=1; i<=n; i++) {
		cin>>a[i];
	}
 
	int ans=0;
	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);
			}
		}
		ans=max(ans,dp[i]);
	}
 
	cout<<ans<<endl;
	return 0;
}

         看到这里可能有疑惑的点可能是为什么每次都要设置 dp[i]=1 ,这是因为,有可能我们访问的第 i 个数比之前所有数都小,那它自己就是“以第 i 个元素结尾所能组成的最长不下降子序列”,长度就是 1 。

        有其他疑问或有描述不清楚的地方欢迎评论区留言或私信告知,一起学习,共同进步。

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