动态规划4_最长上升子序列
2015-03-19 12:38
239 查看
最长上升子序列问题(LIS,Longest Increasing Subsequence)
有一个长为n的数列a0,a1,a2,.......a(n-1)。求出这个序列中最长的上升子序列的长度。
上升子序列指的是对于任意的i<j都满足ai<aj的子序列。
如 n=5
a={4,2,3,1,5};
则最长的上升子序列长度为3,该子序列为(2,3,5)。
那如何得到状态转移方程呢?
先举个例子。n=5,a={7,3,4,2,5};dp[i]代表是以第i个数为结束的 最长上升子序列(下面简写为LIS)的长度。
当i=0时,a[0]=7,以7结尾的LIS是{7},长度为1,即dp[0]=1;
当i=1时,a[1]=3,因为前面的7>3,以3结尾的LIS是{7},所以dp[1]=1;
当i=2时,a[2]=4,以4结尾,前面就不能有a[0]=7了,但是可以由a[1]=3,所以以4为结尾的LIS是{3,4},所以dp[2]=2;
当i=3时,a[3]=2,以1结尾的LIS是{2},所以dp[3]=1;
当i=4时,a[4]=5,以5为结尾的上升子序列(注意:不是最长上升子序列)可以是{3,5},{3,4,5},{2,5}。
而最长上升子序列是{3,4,5},可以说是讨论i=2的基础在后面加上5.
从上面的分析可以得到
当讨论i时,LIS是前面i-1个最长上升子序列加上a[i],前提是a[i]>a[j] (a[j]是前i-1个中LIS的最后一个)。
如讨论i=2时,在原来的{3}基础上加上4.讨论i=4时,在前面的LIS{3,4}基础上加上5.
所以计算dp[i]的方法是从前面的dp[j] (j<i)中找出a[i]>a[j]使得dp[i]=max(dp[j]+1),即以第i个结束的LIS。
所以状态转移方程就出来了,dp[i]=max(1,dp[j]+1) (a[i]>a[j],i<j)前面的1是代表前面都没有a[i]>a[j]。如上例中的a[0]。
代码实现:O(n^2)
接下来是介绍LIS的 O(nlogn)算法,用于处理当n很大时的LIS。
方法:最开始全部dp[i]的值都初始化为INF。然后由前到后逐个考虑数列的元素,对于每个a[j],如果i=0或者dp[i-1]<a[j]的话,
就用dp[i]=min(dp[i],aj)进行更新。最终找出使得dp[i]<INF的最大的i+1就是结果了。
因为对于已经有序的dp[0]<dp[1]<...dp[k]=INF,(k>=0)来说,前k+1个已经“填充”小于INF的数,即是当前长度已经记录下来了,
然而对于即将要插入到序列的a[j]来说,如果a[j]>dp[i-1](i-1是当前dp数列最接近a[j]且大于a[i-1]的最小下标),将a[j]替换dp[i]。
则原来a[j]<dp[i],在后面比较中,由于a[j]更新,使得它找到更长的LIS可能性增加。
对于已经有序的DP数列来说,在a[j]中找到一个最后一个小于a[j]的位置,可以用二分查找的方法实现。这样复杂度就变成O(nlogn)。
例如 n=5,a={7,3,4,2,5};
运算过程dp数列的变化:
代码实现:
推荐题目:POJ 2544 POJ 3903 POJ 1631
2544直接O(n^2)就能过 3903、1631都要用O(nlogn)算法过,其中1631是T组输入。
HDU 1087
题意:找出上升自序列中累加和最大的值。
其实将状态转移方程改成 dp[i]=max(dp[i],dp[j]+a[i])即可。
代码实现:
c4c4
有一个长为n的数列a0,a1,a2,.......a(n-1)。求出这个序列中最长的上升子序列的长度。
上升子序列指的是对于任意的i<j都满足ai<aj的子序列。
如 n=5
a={4,2,3,1,5};
则最长的上升子序列长度为3,该子序列为(2,3,5)。
那如何得到状态转移方程呢?
先举个例子。n=5,a={7,3,4,2,5};dp[i]代表是以第i个数为结束的 最长上升子序列(下面简写为LIS)的长度。
当i=0时,a[0]=7,以7结尾的LIS是{7},长度为1,即dp[0]=1;
当i=1时,a[1]=3,因为前面的7>3,以3结尾的LIS是{7},所以dp[1]=1;
当i=2时,a[2]=4,以4结尾,前面就不能有a[0]=7了,但是可以由a[1]=3,所以以4为结尾的LIS是{3,4},所以dp[2]=2;
当i=3时,a[3]=2,以1结尾的LIS是{2},所以dp[3]=1;
当i=4时,a[4]=5,以5为结尾的上升子序列(注意:不是最长上升子序列)可以是{3,5},{3,4,5},{2,5}。
而最长上升子序列是{3,4,5},可以说是讨论i=2的基础在后面加上5.
从上面的分析可以得到
当讨论i时,LIS是前面i-1个最长上升子序列加上a[i],前提是a[i]>a[j] (a[j]是前i-1个中LIS的最后一个)。
如讨论i=2时,在原来的{3}基础上加上4.讨论i=4时,在前面的LIS{3,4}基础上加上5.
所以计算dp[i]的方法是从前面的dp[j] (j<i)中找出a[i]>a[j]使得dp[i]=max(dp[j]+1),即以第i个结束的LIS。
所以状态转移方程就出来了,dp[i]=max(1,dp[j]+1) (a[i]>a[j],i<j)前面的1是代表前面都没有a[i]>a[j]。如上例中的a[0]。
代码实现:O(n^2)
#include<iostream> #include<cmath> #include<cstdio> #include<cstring> #include<algorithm> using namespace std; int dp[110000];//记录以a[i]结束的最长子序列的长度 int a[110000]; int main() { // freopen("in.txt","r",stdin); int n; while(scanf("%d",&n)!=EOF) { memset(dp,0,sizeof(dp)); for(int i=0;i<n;i++) scanf("%d",&a[i]); int len=1; for(int i=0;i<n;i++) { dp[i]=1; for(int j=0;j<i;j++) { if(a[i]>a[j]) dp[i]=max(dp[i],dp[j]+1); } len=max(len,dp[i]);//更新当前最长的上升子序列 } printf("%d\n",len); } return 0; }
接下来是介绍LIS的 O(nlogn)算法,用于处理当n很大时的LIS。
方法:最开始全部dp[i]的值都初始化为INF。然后由前到后逐个考虑数列的元素,对于每个a[j],如果i=0或者dp[i-1]<a[j]的话,
就用dp[i]=min(dp[i],aj)进行更新。最终找出使得dp[i]<INF的最大的i+1就是结果了。
因为对于已经有序的dp[0]<dp[1]<...dp[k]=INF,(k>=0)来说,前k+1个已经“填充”小于INF的数,即是当前长度已经记录下来了,
然而对于即将要插入到序列的a[j]来说,如果a[j]>dp[i-1](i-1是当前dp数列最接近a[j]且大于a[i-1]的最小下标),将a[j]替换dp[i]。
则原来a[j]<dp[i],在后面比较中,由于a[j]更新,使得它找到更长的LIS可能性增加。
对于已经有序的DP数列来说,在a[j]中找到一个最后一个小于a[j]的位置,可以用二分查找的方法实现。这样复杂度就变成O(nlogn)。
例如 n=5,a={7,3,4,2,5};
运算过程dp数列的变化:
代码实现:
#include<iostream> #include<cmath> #include<cstdio> #include<cstring> #include<algorithm> using namespace std; const int INF=1e9; int dp[110000];//记录以a[i]结束的最长子序列的长度 int a[110000]; int main() { // freopen("in.txt","r",stdin); int n; while(scanf("%d",&n)!=EOF&&n) { for(int i=0;i<n;i++) dp[i]=INF; for(int i=0;i<n;i++) scanf("%d",&a[i]); int len=0; for(int i=0;i<n;i++) { *lower_bound(dp,dp+n,a[i])=a[i]; } printf("%d\n",lower_bound(dp,dp+n,INF)-dp); } return 0; }
推荐题目:POJ 2544 POJ 3903 POJ 1631
2544直接O(n^2)就能过 3903、1631都要用O(nlogn)算法过,其中1631是T组输入。
HDU 1087
题意:找出上升自序列中累加和最大的值。
其实将状态转移方程改成 dp[i]=max(dp[i],dp[j]+a[i])即可。
代码实现:
#include<iostream> #include<cmath> #include<cstdio> #include<cstring> #include<algorithm> using namespace std; int dp[1100];//记录以a[i]结束的最长子序列的长度 int a[1100]; int main() { // freopen("in.txt","r",stdin); int n; while(scanf("%d",&n)!=EOF&&n) { memset(dp,0,sizeof(dp)); for(int i=0;i<n;i++) scanf("%d",&a[i]); int len=0; for(int i=0;i<n;i++) { dp[i]=a[i]; for(int j=0;j<i;j++) { if(a[i]>a[j]) dp[i]=max(dp[i],dp[j]+a[i]); } len=max(len,dp[i]);//更新当前最长的上升子序列 } printf("%d\n",len); } return 0; }
c4c4
相关文章推荐
- 动态规划练习--01(最长上升子序列)
- 算法学习之动态规划--最长上升子序列
- 动态规划-最长上升子序列(LIS)
- 动态规划之编号动态规划:hdu 1025(dp+二分 求最长上升子序列)
- 动态规划-最长上升子序列(LIS)
- 最长上升子序列的动态规划的O(n^2)求解和贪心O(nlgn)求解
- 动态规划:最长上升子序列
- YTU.3135: 动态规划基础题目之最长上升子序列
- 动态规划-最长上升子序列(LIS)
- YTU OJ 3135: 动态规划基础题目之最长上升子序列(Java解题)
- 动态规划(最长上升子序列)
- 动态规划-最长上升子序列(LIS)
- Leetcod-300_最长上升子序列LIS-基础动态规划问题-【C++】
- 动态规划之最长上升子序列(未完待续)
- J - FatMouse's Speed HDU 1160 (动态规划,最长上升子序列+路径输出)
- 动态规划 01 (最长上升子序列)
- 动态规划-最长上升子序列(LIS)
- 动态规划2-最长上升子序列(算法基础 第5周)
- 动态规划----最长上升子序列问题
- POJ1631——Bridging signals(动态规划,最长上升子序列应用)