转载请注明出处:http://blog.csdn.net/u012860063
最长递增子序列(Longest Increasing Subsequence)以下我们简记为:LIS。
如果存在一个序列d[1..9] = 2 1 5 3 6 4 8 9 7,我们能够非常轻松的看出来它的LIS长度为5。
可是假设一个序列太长后。就不能直接看出来了!
我们定义一个序列B。然后令 i = 1 to 9 逐个考察这个序列。
此外,我们用一个变量Len记录眼下最长算到多少了
首先,把d[1]有序地放到B里。令B[1] = 2。表示当仅仅有1一个数字2的时候,长度为1的LIS的最小末尾是2。这时的Len = 1。
然后,把d[2]有序地放到B里,令B[1] = 1,表示长度为1的LIS的最小末尾是1。d[1]=2已经没用了,相同这时的Len = 1。
接着。d[3] = 5。d[3] > B[1]。所以令B[1+1] = B[2] = d[3] = 5,表示长度为2的LIS的最小末尾是5。这时候B[1..2] = 1, 5,这时的Len = 2。
接着,d[4] = 3。它正好夹在了1和5之间,放在1的位置显然不合适,由于1小于3,长度为1的LIS最小末尾应该是1,这样非常easy推知。长度为2的LIS最小末尾是3,于是把5淘汰掉,这时候B[1..2]
= 1, 3,这时Len = 2。
继续,d[5] = 6。它在3后面,由于B[2] = 3, 而6在3后面,于是非常easy能够推知B[3] = 6, 这时B[1..3] = 1, 3, 6,这时的Len = 3。
第6个, d[6] = 4,你看它在3和6之间。于是我们就能够把6替换掉,得到B[3] = 4。B[1..3] = 1, 3, 4,相同这时Len = 3。
第7个, d[7] = 8,它非常大,比4大。于是B[4] = 8,这时的Len = 4。
第8个, d[8] = 9,得到B[5] = 9。这时的Len = 5。
最后一个, d[9] = 7。它在B[3] = 4和B[4] = 8之间,所以我们知道,最新的B[4] =7。B[1..5] = 1, 3, 4, 7, 9,这时的Len = 5。
于是我们知道了LIS的长度为5。
注意。这个1,3,4,7,9不是LIS,它仅仅是存储的相应长度LIS的最小末尾。有了这个末尾,我们就能够一个一个地插入数据。
尽管最后一个d[9] = 7更新进去对于这组数据没有什么意义,可是假设后面再出现两个数字 8 和 9,那么就能够把8更新到d[5], 9更新到d[6]。得出LIS的长度为6。
最后我们发现:在B中插入数据是有序的,并且是进行替换而不须要挪动——也就是说,我们能够使用二分查找,将每个数字的插入时间优化到O(logN)~~~~~于是算法的时间复杂度就减少到了O(NlogN)。
一般的情况下:
#include <cstdio> #include <algorithm> #include <cstring> using namespace std; int a[1007],dp[1007],n; int LIS(int *a) { int i,j,ans,m; dp[1] = 1; ans = 1; for(i = 2; i <= n; i++) { m = 0; for(j = 1; j < i; j++) { if(dp[j]>m && a[j]<a[i]) m = dp[j]; } dp[i] = m+1; if(dp[i]>ans) ans = dp[i]; } return ans; }
二分优化:
#include <cstdio> #include <cstring> #include <algorithm> using namespace std; int a[40007], dp[40007], n; int bin(int len,int k) { int l = 1, r = len; while(l <= r) { int mid = (l+r)/2; if(k > dp[mid]) l = mid+1; else r = mid-1; } return l; } int LIS(int *a) { int i,j,ans=1; dp[1] = a[1]; for(i = 2; i <= n; i++) { if(a[i] <= dp[1])//假设比最小的还小 j = 1; else if(a[i] > dp[ans])//假设比最大的还大 j = ++ans; else j = bin(ans,a[i]); dp[j] = a[i]; } return ans; }