最长上升子串

最长上升字串:

介绍一个n*logn的解法:使用二分,代码简短:
根据dp,dp[i] 表示:长度为i+1的上升子序列中末尾元素的最小值,默认表示的INF,若出现比当前还小的元素,则进行更新操作,dp数列除了INF都是单调递增的,所以对于每次操作,需要更新的位置则不需要全都遍历,只需要使用二分搜索进行判断,时间复杂度为nlogn。
#include <iostream>
#include <algorithm>
using namespace std;
const int  MAX = 100;
int dp[MAX];
int a[MAX];
int n;
const int INF = 1<<30;
void slove(){
    //lower_bound:表示返回指向a[i]的最小指针位置,不存在就返回第一个不小于a[i]的元素位置
    fill(dp,dp+n,INF);
    for(int i=0;i<n;i++)
        *lower_bound(dp,dp+n,a[i]) = a[i];
    cout<<(lower_bound(dp,dp+n,INF)-dp)<<endl;
}
int main()
{
    cin>>n;
    for(int i=0;i<n;i++)
            cin>>a[i];
    slove();
    return 0;
}

使用了lower_bound算法。
#include <iostream>

using namespace std;
const int  MAX = 100;
int dp[MAX];
int a[MAX];
int n;
int search(int num,int low,int high){
    int mid;
    while(low<=high){
        mid = low+((high-low)>>1);//(low+high)/2;
        if(num>=dp[mid])
            low = mid+1;
        else
            high = mid-1;
    }
    return low;
}
int DP(){
    int len=0,pos;
    dp[0]=a[0];
    for(int i=1;i<n;i++){
        if(a[i]>=dp[len]){
            len = len+1;
            dp[len] = a[i];
        }else{
            pos = search(a[i],0,len);
            dp[pos] = a[i];
        }
    }
    cout<<len+1<<endl;
    return len+1;
}
int main()
{
    cin>>n;
    for(int i=0;i<n;i++)
            cin>>a[i];
    DP();
    return 0;
}
同样的实现,代码相对复杂。

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