动态规划-最长上升子序列
2017-03-10 22:32
162 查看
一、什么是最长上升
一个数的序列bi,当b1 < b2 < ... < bS的时候,我们称这个序列是上升的。对于给定的一个序列(a1, a2, ..., aN),我们可以得到一些上升的子序列(ai1, ai2, ..., aiK),这里1 <= i1 < i2 < ... < iK <= N。比如,对于序列(1, 7, 3, 5, 9, 4, 8),有它的一些上升子序列,如(1,
7), (3, 4, 8)等等。这些子序列中最长的长度是4,比如子序列(1, 3, 5, 8).
你的任务,就是对于给定的序列,求出最长上升子序列的长度
二、最长上升子序列的最优子结构
我们首先来建立一下递推关系:
定义dp[i]:=以ai为末尾的最长上升子序列的长度
以ai为末尾的最长上升子序列是:
a.只包含ai的子序列;
b.在满足j<i并且aj<ai的以aj为结尾的上升子序列末尾,追加上ai后得到的子序列;
这样就能得到下面的递推关系式:
LIS[i] = max{1, F[j] + 1} (j = 1, 2, ..., t - 1, 且A[j] < A[t])
三、暴力实现
static int robot(int idx, vector<int>& nums){
if (idx < 0){
return 0;
}
int ans = 0;
for (int i = 0; i < idx; i++){
if (nums[i] < nums[idx]){
ans = max(ans, robot(i- 1, nums));
}
}
return ans + 1;
}
四、算法实现
int lis_len(int* arr, int n)
{
int i, j, res = 0;
int dp[MAX_N];
for (i = 0; i < n; i++)
{
dp[i] = 1;
for (j = 0; j < i; j++)
{
if (arr[j] < arr[i])
{
dp[i] = max(dp[i], dp[j] + 1);
}
}
res = max(res, dp[i]);
}
return res;
}
五、算法改进
class Solution {
public:
static int robot(vector<int>& nums){
for (int i = 0; i < 10000; i++)
{
mi[i] = 1000000;
}
int path = 0;
for (int idx = 0; idx < nums.size(); idx++)
{
int ans = 0;
for (int i = 0; i <= path;i++)
{
if (nums[idx] > mi[i])
{
ans = max(ans, i);
}
}
f[idx] = ans + 1;
mi[f[idx]] = min(mi[f[idx]], nums[idx]);
path = max(path, f[idx]);
}
return f[nums.size()-1];
}
static int lengthOfLIS(vector<int>& nums) {
return robot(nums);
}
};
一、什么是最长上升
一个数的序列bi,当b1 < b2 < ... < bS的时候,我们称这个序列是上升的。对于给定的一个序列(a1, a2, ..., aN),我们可以得到一些上升的子序列(ai1, ai2, ..., aiK),这里1 <= i1 < i2 < ... < iK <= N。比如,对于序列(1, 7, 3, 5, 9, 4, 8),有它的一些上升子序列,如(1,
7), (3, 4, 8)等等。这些子序列中最长的长度是4,比如子序列(1, 3, 5, 8).
你的任务,就是对于给定的序列,求出最长上升子序列的长度
二、最长上升子序列的最优子结构
我们首先来建立一下递推关系:
定义dp[i]:=以ai为末尾的最长上升子序列的长度
以ai为末尾的最长上升子序列是:
a.只包含ai的子序列;
b.在满足j<i并且aj<ai的以aj为结尾的上升子序列末尾,追加上ai后得到的子序列;
这样就能得到下面的递推关系式:
LIS[i] = max{1, F[j] + 1} (j = 1, 2, ..., t - 1, 且A[j] < A[t])
三、暴力实现
static int robot(int idx, vector<int>& nums){
if (idx < 0){
return 0;
}
int ans = 0;
for (int i = 0; i < idx; i++){
if (nums[i] < nums[idx]){
ans = max(ans, robot(i- 1, nums));
}
}
return ans + 1;
}
四、算法实现
int lis_len(int* arr, int n)
{
int i, j, res = 0;
int dp[MAX_N];
for (i = 0; i < n; i++)
{
dp[i] = 1;
for (j = 0; j < i; j++)
{
if (arr[j] < arr[i])
{
dp[i] = max(dp[i], dp[j] + 1);
}
}
res = max(res, dp[i]);
}
return res;
}
五、算法改进
class Solution {
public:
static int robot(vector<int>& nums){
for (int i = 0; i < 10000; i++)
{
mi[i] = 1000000;
}
int path = 0;
for (int idx = 0; idx < nums.size(); idx++)
{
int ans = 0;
for (int i = 0; i <= path;i++)
{
if (nums[idx] > mi[i])
{
ans = max(ans, i);
}
}
f[idx] = ans + 1;
mi[f[idx]] = min(mi[f[idx]], nums[idx]);
path = max(path, f[idx]);
}
return f[nums.size()-1];
}
static int lengthOfLIS(vector<int>& nums) {
return robot(nums);
}
};
相关文章推荐
- joj 2529 Chorus 动态规划 最长上升子序列和最长下降子序列
- 动态规划-最长上升子序列
- 清橙 A1120 拦截导弹 -- 动态规划(最长上升子序列)
- 动态规划——求最长下降/上升子序列
- 【动态规划】最长上升子序列(LIS)
- zoj2136 经典动态规划 求最长上升子序列
- 清橙 A1120 拦截导弹 -- 动态规划(最长上升子序列)
- 【转载】动态规划--最长上升子序列(LIS)
- 动态规划——求最长下降/上升子序列
- 动态规划——求最长下降/上升子序列
- 动态规划学习之最长上升子序列
- [动态规划]之裸lis之最长上升子序列POJ 2533
- 【算法】动态规划 最长上升子序列
- Hdu 1423 动态规划—最长公共上升子序列
- 动态规划——求最长下降/上升子序列
- 动态规划——求最长下降/上升子序列
- 最长上升子序列问题-动态规划(DP)
- 【原创】【动态规划】最长上升子序列
- 77. 最长严格上升子序列(动态规划)
- HDOJ 1423 最长公共上升子序列(LCIS 动态规划)