动态规划-最长上升子序列
来源:互联网 发布:vb登陆修改密码代码 编辑:程序博客网 时间:2024/05/20 21:12
#include <iostream>#include <stdlib.h>#include <algorithm>using namespace std;const int MAXN = 1010;int N; //查看一共有多少数int a[MAXN];int MaxLen[MAXN];void main() {//输入状态cin >> N;for (int i = 1; i <= N; i++) {cin >> a[i];MaxLen[i] = 1; //初始状态赋值为1}for(int i = 2; i <= N; ++i) //状态参数:用来和最后一个数进行比较for (int j = 1; j < i; ++j) { //遍历每个子问题中的元素if (a[i] > a[j])MaxLen[i] = max(MaxLen[i], MaxLen[j] + 1);}cout << *max_element(MaxLen + 1, MaxLen + 1 + N) << endl; //得到数组中的最大元素 system("PAUSE");return;}
问题描述
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。
解题思路
如何把这个问题分解成子问题呢?经过分析,发现 “求以ak(k=1, 2, 3…N)为终点的最长上升子序列的长度”是个好的子问题――这里把一个上升子序列中最右边的那个数,称为该子序列的“终点”。虽然这个子问题和原问题形式上并不完全一样,但是只要这N个子问题都解决了,那么这N个子问题的解中,最大的那个就是整个问题的解。
由上所述的子问题只和一个变量相关,就是数字的位置。因此序列中数的位置k 就是“状态”,而状态 k 对应的“值”,就是以ak做为“终点”的最长上升子序列的长度。这个问题的状态一共有N个。状态定义出来后,转移方程就不难想了。假定MaxLen (k)表示以ak做为“终点”的最长上升子序列的长度,那么:
MaxLen (1) = 1
MaxLen (k) = Max { MaxLen (i):1<i < k 且 ai < ak且 k≠1 } + 1
这个状态转移方程的意思就是,MaxLen(k)的值,就是在ak左边,“终点”数值小于ak,且长度最大的那个上升子序列的长度再加1。因为ak左边任何“终点”小于ak的子序列,加上ak后就能形成一个更长的上升子序列。
实际实现的时候,可以不必编写递归函数,因为从 MaxLen(1)就能推算出MaxLen(2),有了MaxLen(1)和MaxLen(2)就能推算出MaxLen(3)……
- 动态规划:最长上升子序列
- 动态规划-最长上升子序列LIS
- 动态规划求最长上升子序列
- 【算法】动态规划 最长上升子序列
- 动态规划:最长上升子序列
- poj2533 动态规划+最长上升子序列
- POJ2533 动态规划 (最长上升子序列)
- 动态规划--最长上升子序列
- 动态规划-最长上升子序列【LIS】
- 动态规划之最长上升子序列
- 动态规划 LIS最长上升子序列
- 动态规划-最长上升子序列
- 动态规划:求最长上升子序列
- 动态规划-最长上升子序列
- 动态规划(最长上升子序列)
- 动态规划:最长上升子序列
- 【动态规划】 之 最长上升子序列
- 【原创】【动态规划】最长上升子序列
- 向Python中插入后缀名为.whl的文件
- 2017.08.19【NOIP提高组】模拟赛B组总结
- JavaWeb实现图片在线预览
- Netbeans 常用快捷键
- 链家网2018秋招内推编程题
- 动态规划-最长上升子序列
- Scala学习笔记:eclipse插件安装
- 1344 走格子 前缀和+贪心
- IPTABLE
- property和attribute2种表示属性的区别
- zkw费用流
- Android异常与警告解决方法
- 埃及分数 IDA*
- 最小生成树--Prim算法和Kruskal算法