Longest Increasing Subsequence的两种算法

问题描述:给出一个序列a1,a2,a3,a4,a5,a6,a7….an,求它的一个子序列（设为s1,s2,…sn），使得这个子序列满足这样的性质，s1<s2<s3<…<sn并且这个子序列的长度最长。简称LIS。

例如，对于数组

[10, 9, 2, 5, 3, 7, 101, 18]，它的最长递增子序列为[2,3,7,101]，长度为4。当然最长递增子序列不止一个，例如[2,5,7,101],[2,5,7,18]都符合要求。

1.时间复杂度:O(n^2)

对于序列A(a1,a2,a3…..an)，以序列中am元素为最小值的递增序列，只与am-1，am-2，……an有关，与am之前的元素无关，因此我们可以由后向前依次求出以每个元素为起始的最长递增序列。我们用一个数组flag存储最长递增子序列的长度，若i<j,A[i] < A[j],则flag[i] = max(flag[x], j <= x <= A.length) + 1。

public int lengthOfLIS(int[] nums) {

if (nums == null || nums.length == 0)

return 0;

int[] flag = new int[nums.length];

Arrays.fill(flag,1);

int maxLength = 1;

for (int i =nums.length - 2; i >= 0; i--){

int maxTemp = flag[i];

for (int j = i+1; j < nums.length;j++){

if (nums[i] < nums[j]){

maxTemp = maxTemp > flag[j] + 1 ? maxTemp : flag[j] + 1;

}

}

flag[i] = maxTemp;

maxLength = maxLength > flag[i] ? maxLength: flag[i];

}

return maxLength;

}

2.时间复杂度O(nlogN)

我们定义一个数组dp[]，dp[i]表示长度为i的序列中最小的元素的值。例如对于序列A

[10, 9, 2, 5, 3, 7, 101, 18]，我们依次扫描每个元素，

首先对于A[0] = 10 , 我们可以得dp[1] = 10 ,表示序列长度为1的最小元素为10，此时序列为10，

对于A[1] = 9, 因为A[1] < dp[1]，所以dp[1] = 9，此时序列为9

对于A[2] = 2, 因为A[2] < dp[1]，所以dp[1] = 2，此时序列为2

对于A[3] = 5, 因为A[3] > dp[1]，所以dp[2] = 5，此时序列为2,5

对于A[4] = 3, 因为A[4] < dp[2]，所以dp[2] = 3，此时序列为2,3

对于A[5] = 7, 因为A[5] > dp[2]，所以dp[3] = 7，此时序列为2,3,7

对于A[6] = 101, 因为A[6] > dp[3]，所以dp[3] = 101，此时序列为2,3,7,101

对于A[7] = 18, 因为A[7] < dp[3]，所以dp[3] = 18，此时序列为2,5,7,18

所以最长递增子序列的长度为4

int[] dp = new int[nums.length];

int len = 0;

 for(int x : nums) {

 int i = Arrays.binarySearch(dp, 0, len, x);

 if(i < 0) i = -(i + 1);

 dp[i] = x;

 if(i == len) len++;

}

 return len;