hdu 3998 Sequence 贪心算法+最长递增子序列+二分查找(好题目)

本文介绍了一种求解最长递增子序列(LIS)问题的高效算法,并通过实例演示了如何利用二分查找和标记数组来确定数组中最长递增子序列的长度及其数量。该方法特别适用于元素不能重复使用的场景。

题意:给定一个数组,求该数组中严格最长递增子序列的长度和相应的最长子序列的个数,在求最长子序列的有多少种时,数组中每一个元素只能使用一次

思路:1. 求最长递增子序列的长度时,我们使用二分查找的方法求,具体的操作是维护一个辅助数组,这个辅助数组dp[k]中保存着当前已经获得最长递增子序列,k表示当前的辅助数组中递增序列的个数,当处理原数组中下一个元素data[i]时,

1)若data[i] > dp[k - 1]时, 直接dp[k++] = data[i];

2)   否则,使用二分查找在dp中找到第一个不大于data[i]的元素的位置j, 使得dp[j] = data[i];

这样当遍历结束整个原数组时,我们也就找到了其中一个最长递增子序列, 最长递增子序列的长度必然也就知道了。

2. 此处我们还要求若存在最长递增子序列时,原数组中每一个元素只能使用一次,即该元素在最长递增子序列A中出现后,就不能在其他的最长子序列中在出现了,问有多少种?

这个时候我们只需用一个标记数组,对原序列的每个元素进行标记就行了,多次重复步骤1),直到没有满足最长递增子序列的子序列出现。


hdu 3998 Sequence  源代码如下

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

#define N 11000
int data[N];
int dp[N];
bool flag[N];

int binarySearch(int a[], int n, int key)
{
	int left = 0, right = n - 1;
	int mid;

	while(left <= right)
	{
		mid = left + (right - left ) / 2;
		if (a[mid] == key)
		{
			return mid;
		}
		else if (a[mid] < key)
		{
			left = mid + 1;
		}
		else
		{
			right = mid - 1;
		}
	}

	return left;
}

int main()
{
	int i, j, n, num, maxLen, k;
	while(scanf("%d", &n) != EOF)
	{
		for (i = 0;i < n; ++i)
		{
			scanf("%d", &data[i]);
		}
		memset(flag, 0, sizeof(flag));
		k = 0;
		maxLen = 0;
		num = 0;
		while(true)
		{
			k = 0;
			for (i = 0;i < n; ++i)
			{
				if (flag[i])
				{
					continue;
				}

				if (dp[k - 1] < data[i])
				{
					dp[k++] = data[i];
					flag[i] = true;
				}
				else
				{
					j =  binarySearch(dp, k, data[i]);
					dp[j] = data[i];
					
				}
				
			}

			if (maxLen < k)
			{
				maxLen = k;
				num = 1;

			}
			else if (maxLen == k)
			{
				++num;
			}
			else
			{
				break;
			}
		}

		printf("%d\n%d\n", maxLen, num);

	}

	return 0;
}


<think>我们注意到用户要解决HDU1081问题,但实际提供的引用中并没有直接关于HDU1081的内容。HDU1081题目名是"ToTheMax",是一个最大子矩阵和问题,而不是二维最长递增子序列问题。这里可能存在用户描述的错误。然而,根据我们的知识,HDU1081(ToTheMax)的题意:给定一个二维矩阵(可能包含正数和负数),子矩阵的最大和。这是一个经典的最大子矩阵和问题,通常使用动态规划来解决,可以通过转换为一维的最大子段和问题来解。解决思路:1.将二维问题转化为一维:对于每一列,计算从第i行到第j行之间的每一列的元素和,形成一个一维数组。2.对形成的一维数组,最大子段和(即连续子数组的最大和)。3.遍历所有可能的i和j(行),取最大子段和的最大值。因此,我们需要实现一个最大子矩阵和算法。但是,用户提到了“二维最长递增子序列”,而实际上HDU1081是最大子矩阵和问题。这里我们按照正确题意给出代码。为了确认,我们参考引用:引用[1]:排列型枚举,与问题无关。引用[2]:最长上升子序列(LIS),一维情况,采用二分优化。引用[3]:最长公共子序列(LCS)。用户的问题描述为“二维最长递增子序列”,但根据题号HDU1081,实际应为最大子矩阵和问题。我们按照最大子矩阵和来给出Java实现。注意:如果用户坚持要“二维最长递增子序列”的代码,那么需要澄清,因为通常“最长递增子序列”是一维的,二维情况下可以转化为偏序问题(如按一维排序,另一维最长上升子序列),但题目HDU1081并不是。因此,我们按照HDU1081的正确题意(最大子矩阵和)给出Java代码。代码步骤:1.读取一个n*n的矩阵。2.用两层循环枚举起始行i和终止行j。3.对于固定的i和j,计算每一列k从第i行到第j行的元素和,保存到一个一维数组colSum中(注意:对于每一列,我们只需要累加从i到j行的元素)。4.对colSum数组最大子段和。5.更新最大子矩阵和。最大子段和算法(Kadane算法):intmaxEndingHere=0;intmaxSoFar=Integer.MIN_VALUE;for(intk=0;k< n;k++){maxEndingHere=Math.max(0,maxEndingHere+colSum[k]);//如果允许负数,则可能使用Math.max(colSum[k],maxEndingHere+colSum[k]),但题目子矩阵可以是任意子矩阵,包括负数,所以正确写法如下://但注意,如果矩阵中有负数,那么初始值不能设为0,因为可能整个都是负数。所以Kadane算法标准写法://初始化://intmaxEndingHere=colSum[0];//intmaxSoFar=colSum[0];//for(intk=1;k<n;k++){//maxEndingHere=Math.max(colSum[k],maxEndingHere+colSum[k]);//maxSoFar=Math.max(maxSoFar,maxEndingHere);//}}但是,我们的colSum数组是通过多行累加得到的,所以可能包含负数。因此,必须用标准的Kadane算法。具体Java代码实现如下:</think> ### HDU 1081 "To The Max" 最大子矩阵和问题(Java实现) 虽然您提到“二维最长递增子序列”,但根据题号HDU 1081,实际是最大子矩阵和问题(给定包含正负整数的矩阵,元素和最大的子矩阵)。以下是完整的Java实现方案: ```java import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner sc = new Scanner(System.in); while (sc.hasNext()) { int n = sc.nextInt(); int[][] matrix = new int[n][n]; // 输入矩阵 for (int i = 0; i < n; i++) { for (int j = 0; j < n; j++) { matrix[i][j] = sc.nextInt(); } } System.out.println(maxSubmatrixSum(matrix)); } sc.close(); } // 动态规划最大子矩阵和 private static int maxSubmatrixSum(int[][] matrix) { int n = matrix.length; int maxSum = Integer.MIN_VALUE; // 枚举起始行 for (int top = 0; top < n; top++) { int[] colSum = new int[n]; // 存储列累加值 // 枚举结束行 for (int bottom = top; bottom < n; bottom++) { // 累加当前行各列值 for (int j = 0; j < n; j++) { colSum[j] += matrix[bottom][j]; } // 对当前列累加数组最大子序和 int current = colSum[0]; int maxSeq = colSum[0]; for (int j = 1; j < n; j++) { current = Math.max(colSum[j], current + colSum[j]); maxSeq = Math.max(maxSeq, current); } // 更新全局最大值 maxSum = Math.max(maxSum, maxSeq); } } return maxSum; } } ``` ### 算法说明 1. **核心思路**: - 将二维问题转换为一维:枚举所有行组合`(top, bottom)` - 将每列在`top`到`bottom`行间的元素压缩成一维数组 - 对压缩后的一维数组使用Kadane算法最大子序和[^1] 2. **时间复杂度**: - 压缩行组合:$O(n^2)$ - 一维Kadane算法:$O(n)$ - 总时间复杂度:$O(n^3)$(适合$n \leq 100$的题目规模) 3. **空间优化**: - 使用固定长度数组`colSum[n]`存储列压缩结果 - 空间复杂度$O(n)$ ### 测试示例 输入矩阵: ``` 4 0 -2 -7 0 9 2 -6 2 -4 1 -4 1 -1 8 0 -2 ``` 输出结果: ``` 15 ``` (最大子矩阵为左上角4×1矩阵:0 + 9 + (-4) + (-1) 计算有误,实际最大子矩阵是第二行的[9, 2]和第四行的[-1, 8]部分区域,但示例输出应为15,来自子矩阵: ``` 9 2 -4 1 -1 8 ``` 的和:9+2+(-4)+1+(-1)+8=15) ---
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