最长上生子序列LIS
学习动态规划问题(DP问题)中,其中有一个知识点叫最长上升子序列(longest increasing subsequence),也可以叫最长非降序子序列,简称LIS。简单说一下自己的心得。
我们都知道,动态规划的一个特点就是当前解可以由上一个阶段的解推出, 由此,把我们要求的问题简化成一个更小的子问题。子问题具有相同的求解方式,只不过是规模小了而已。最长上升子序列就符合这一特性。我们要求n个数的最长上升子序列,可以求前n-1个数的最长上升子序列,再跟第n个数进行判断。求前n-1个数的最长上升子序列,可以通过求前n-2个数的最长上升子序列……直到求前1个数的最长上升子序列,此时LIS当然为1。
让我们举个例子:求 2 7 1 5 6 4 3 8 9 的最长上升子序列。我们定义d(i) (i∈[1,n])来表示前i个数以A[i]结尾的最长上升子序列长度。
前1个数 d(1)=1 子序列为2;
前2个数 7前面有2小于7 d(2)=d(1)+1=2 子序列为2 7
前3个数 在1前面没有比1更小的,1自身组成长度为1的子序列 d(3)=1 子序列为1
前4个数 5前面有2小于5 d(4)=d(1)+1=2 子序列为2 5
前5个数 6前面有2 5小于6 d(5)=d(4)+1=3 子序列为2 5 6
前6个数 4前面有2小于4 d(6)=d(1)+1=2 子序列为2 4
前7个数 3前面有2小于3 d(3)=d(1)+1=2 子序列为2 3
前8个数 8前面有2 5 6小于8 d(8)=d(5)+1=4 子序列为2 5 6 8
前9个数 9前面有2 5 6 8小于9 d(9)=d(8)+1=5 子序列为2 5 6 8 9
d(i)=max{d(1),d(2),……,d(i)} 我们可以看出这9个数的LIS为d(9)=5
总结一下,d(i)就是找以A[i]结尾的,在A[i]之前的最长上升子序列+1,当A[i]之前没有比A[i]更小的数时,d(i)=1。所有的d(i)里面最大的那个就是最长上升子序列。话不多说,show me the code!下面是代码实现的算法。
状态转移方程:朴素dp,记f(i)为记a[i]结尾的最长上升子序列
f(i)=max(f(j)+1) 1=<j<i ,初始化dp数组全为1,从1开始循环k,一旦小于a[i]状态转移,否则保留初始化的1——即之后所有值都比他小。O(n)=n^2
#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cstdlib>
#include <cstring>
#include <cmath>
using namespace std;
const int maxn = ,INF=0x7f7f7f7f;
int a[maxn],f[maxn];
int n,ans=-INF;
int main()
{
scanf("%d",&n);
for(int i=;i<=n;i++)
{
scanf("%d",&a[i]);
f[i]=;
}
for(int i=;i<=n;i++)
for(int j=;j<i;j++)
if(a[j]<a[i]) f[i]=max(f[i],f[j]+);
for(int i=;i<=n;i++)
ans=max(ans,f[i]);
printf("%d\n",ans);
return ;
}
最新文章
- poj 2342 Anniversary party 简单树形dp
- RAID在数据库存储上的应用-转
- android studio或者IntelliJ代码样式的设置
- 《学习Opencv》第五章 习题6
- USB Mass Storage协议分析
- 快速掌握 Android Studio 中 Gradle 的使用方法
- 自己用到的相关Linux命令,谨以记录
- Less的!important关键字
- js 实现的页面图片放大器以及 event中的诸多 x
- MyBatis学习总结(四)——MyBatis缓存与代码生成
- Prolog 逻辑推导语言
- python魔法方法-属性转换和类的表示
- (C/C++学习笔记) 三. 作用域和可见性
- xampp 修改 时区为中国. timezone
- 架构:The Onion Architecture : part 2(洋葱架构:第二篇)(转载)
- ansible 学习记录
- 自己实现atoi
- c++从string类型转换为bool类型
- Go语言学习笔记九: 指针
- opencv学习笔记——cv::line函数详解