递归与动态规划---最长递增子序列问题
来源:互联网 发布:js一切皆对象 编辑:程序博客网 时间:2024/06/09 19:15
【问题】
给定数组arr,返回arr的最长递增子序列
【基本思路】
首先介绍时间复杂度为O(N^2)的方法。具体过程如下:
生成长度为N(arr的长度)的数组dp,dp[i]表示在以arr[i]结尾的情况下,arr[0…i]中的最长子序列。
dp[0]表示以arr[0]结尾的情况下最长子序列,只有它自己,设为1
- 对于dp的其他位置,从左到右依次遍历,假设遍历到i,首先在arr[0…i-1]中找到比arr[i]小且相应的dp值最大的位置记为j,arr[j]即为以arr[i]结尾的倒数第二小的数,此时dp[i]的值便可以确定,dp[i] = dp[j] + 1。如果arr[0…i-1]中没有比arr[i]小的值,则dp[i]直接记为1。
接下来就是利用生成好的dp数组得到最长的递增子序列。
首先遍历找到dp数组中的最大值maxlen以及下标index,其中maxlen就是最长递增子序列的长度,arr[index]就是最长递增子序列的最后一个数字,然后从index向前遍历数组arr,找到比arr[index]小的数arr[j]并且dp[j] + 1 = dp[index],这个值就是子序列的倒数第二个数,依次向前遍历即可得到最长递增子序列。
以下是使用python3.5实现的代码
#最长递增子序列def getMaxSubList1(arr): def getdp(arr): dp = [1 for i in range(len(arr))] for i in range(len(arr)): for j in range(i): if arr[i] > arr[j]: dp[i] = max(dp[i], dp[j]+1) return dp def generateLIS(arr, dp): maxlen = 0 index = 0 for i in range(len(dp)): if dp[i] > maxlen: maxlen = dp[i] index = i lis = [ for i in range(maxlen)] lis[maxlen-1] = arr[index] maxlen -= 1 for i in range(index, -1, -1): if arr[i] < arr[index] and dp[i]+1 == dp[index]: lis[maxlen-1] = arr[i] maxlen -= 1 index = i return lis if arr == None or len(arr) == 0: return None dp = getdp(arr) return generateLIS(arr, dp)
接下里介绍一个时间复杂度为O(NlogN)的方法。
该方法是在生成dp数组的时候利用二分查找来进行优化,通过另外一个辅助数组ends完成。ends[b]的含义为遍历到目前位置,长度为b + 1的子序列的最小结尾。过程如下:
- 生成长度为N的dp数组和ends数组,令dp[0] = 1,ends[0] = arr[0]。
- 从左到右遍历arr的剩余部分,假设遍历到位置i,首先在ends中已有的数值中找第一个比arr[i]大的数的位置k(使用二分查找),把该位置的数替代为arr[i],dp[i] = k + 1。依次遍历即可得到dp数组。
def getMaxSubList2(arr): def getdp2(arr): dp = [0 for i in range(len(arr))] ends = [0 for i in range(len(arr))] right = 0 dp[0] = 1 ends[0] = arr[0] for i in range(1, len(arr)): l = 0 r = right while l <= r: m = (l + r) // 2 if arr[i] > ends[m]: l = m + 1 else: r = m - 1 right = max(right, l) dp[i] = l + 1 ends[l] = arr[i] return dp def generateLIS(arr, dp): maxlen = 0 index = 0 for i in range(len(dp)): if dp[i] > maxlen: maxlen = dp[i] index = i lis = [0 for i in range(maxlen)] lis[maxlen-1] = arr[index] maxlen -= 1 for i in range(index, -1, -1): if arr[i] < arr[index] and dp[i]+1 == dp[index]: lis[maxlen-1] = arr[i] maxlen -= 1 index = i return lis if arr == None or len(arr) == 0: return None dp = getdp2(arr) return generateLIS(arr, dp)
阅读全文
2 0
- 递归与动态规划---最长递增子序列问题
- 动态规划最长递增子序列问题
- 最长递增子序列问题---动态规划
- 递归与动态规划---最长公共子序列问题
- 动态规划6:最长递增子序列问题
- 动态规划之最长递增子序列问题详解
- 矩形嵌套--动态规划--最长递增子序列问题变形
- 动态规划算法之最长递增子序列问题
- 动态规划 最长递增子序列 oj合唱团问题
- 动态规划4:LIS最长递增子序列问题
- 最长递增子序列问题——动态规划
- 最长递增子序列(动态规划)
- 动态规划:最长单调递增子序列
- 动态规划之最长递增子序列
- 动态规划--最长单调递增子序列
- 最长递增子序列(动态规划)
- 动态规划_最长递增子序列
- 动态规划之最长递增子序列
- Redis 批量删除键
- 深入理解计算机操作系统(2.2.7)
- leetcode(207). Course Schedule
- 文章标题
- 关于中文乱码的问题
- 递归与动态规划---最长递增子序列问题
- 源码(五)
- LintCode 买卖股票的最佳时期I II III 之Python 代码
- 新笔记本安装ubuntu17.0后黑屏只能外界显示器解决办法,只是经验
- jQuery1
- ajax
- js获取当前时间:
- nginx (1):ubuntu下安装启动nginx
- jQuery2