NYOJ214最长单调递增子序列(DP)
来源:互联网 发布:java读取dat文件内容 编辑:程序博客网 时间:2024/05/18 06:39
单调递增子序列(二)
时间限制:1000 ms | 内存限制:65535 KB
难度:4
- 描述
给定一整型数列{a1,a2...,an}(0<n<=100000),找出单调递增最长子序列,并求出其长度。
如:1 9 10 5 11 2 13的最长单调递增子序列是1 9 10 11 13,长度为5。
- 输入
- 有多组测试数据(<=7)
每组测试数据的第一行是一个整数n表示序列中共有n个整数,随后的下一行里有n个整数,表示数列中的所有元素.每个整形数中间用空格间隔开(0<n<=100000)。
数据以EOF结束 。
输入数据保证合法(全为int型整数)! - 输出
- 对于每组测试数据输出整形数列的最长递增子序列的长度,每个输出占一行。
- 样例输入
71 9 10 5 11 2 1322 -1
- 样例输出
51
题目分析:经典的dp算法是这样求的:设A[i]表示序列中的第i个数,F[i]表示从1到i这一段中以i结尾的最长上升子序列的长度,初始时设F[i] = 0(i = 1, 2, ..., len(A))。则有动态规划方程:F[i] = max{1, F[j] + 1} (j = 1, 2, ..., i - 1, 且A[j] < A[i])。代码(TLE):
#include<stdio.h>#define N 100010int dp[N],num[N];int main(){ int n,i,j,ans; while(scanf("%d",&n)!=EOF){ for(i=0;i<n;i++){ scanf("%d",&num[i]); dp[i]=1; } for(i=1,ans=-1;i<n;i++){ for(j=0;j<i;j++){ if(num[j]<=num[i]) dp[i]=dp[j]+1>dp[i]?dp[j]+1:dp[i];if(ans<dp[i])ans=dp[i]; } } printf("%d\n",ans); } return 0;}因为经典的算法的时间复杂度是O(n^2),这道题数据量比较大,经典算法会超时,所以我们要寻找更高效的算法,回顾经典算法,我们用F[i]表示以i结尾的递增序列的长度,现在,我们仔细考虑计算F[i]时的情况。假设有两个元素A[x]和A[y],满足
(1) x < y < i
(2) A[x] < A[y] < A[i]
(3) F[x] = F[y]
此时,选择F[x]和选择F[y]都可以得到同样的F[i]值,那么,在最长上升子序列的这个位置中,
应该选择A[x]还是应该选择A[y]呢?
很明显,选择A[x]比选择A[y]要好。因为由于条件(2),在A[x+1] ... A[i-1]这一段中,
如果存在A[z],A[x] < A[z] < a[y],则与选择A[y]相比,将会得到更长的上升子序列。
再根据条件(3),我们会得到一个启示:根据F[]的值进行分类。对于F[]的每一个取值k,
我们只需要保留满足F[i] = k的所有A[i]中的最小值。设D[k]记录这个值,
即D[k] = min{A[i]} (F[i] = k)。
注意到D[]的两个特点:
(1) D[k]的值是在整个计算过程中是单调不上升的。
(2) D[]的值是有序的,即D[1] < D[2] < D[3] < ... < D[n]。
利用D[],我们可以得到另外一种计算最长上升子序列长度的方法。设当前已经求出的
最长上升子序列长度为len。先判断A[i]与D[len]。若A[i] > D[len],
则将A[i]接在D[len]后将得到一个更长的上升子序列,len = len + 1, D[len] = A[i];
否则,在D[1]..D[len]中,找到最大的j,满足D[j] < A[i]。令k = j + 1,则有D[j] < A[i] <= D[k],
将A[i]接在D[j]后将得到一个更长的上升子序列,同时更新D[k] = A[i]。
最后,len即为所要求的最长上升子序列的长度。
在上述算法中,若使用朴素的顺序查找在D[1]..D[len]查找,由于共有O(n)个元素需要计算,
每次计算时的复杂度是O(n),则整个算法的时间复杂度为O(n^2),与原来的算法相比没有任何进步。
但是由于D[]的特点(2),我们在D[]中查找时,可以使用二分查找高效地完成,则整个算法的时间复杂度
下降为O(nlogn),有了非常显著的提高。需要注意的是,D[]在算法结束后记录的并不是一个符合题意的
最长上升子序列!
代码:#include<stdio.h>#define N 100100int dp[N+10],a[N+10];int find(int x, int len){ int left=0,right=len,mid; while(left<=right){ mid=(left+right)/2; if(dp[mid]==x) return mid; else if(dp[mid]<x) left=mid+1; else right=mid-1; } return left;}int main(){ int n,t,len,i; while(scanf("%d",&n)!=EOF){ for(i=0;i<n;i++){ scanf("%d",&a[i]); } len=1,dp[0]=a[0]; for(i=1;i<n;i++){ if(a[i]>dp[len-1]) dp[len++]=a[i]; else{ t=find(a[i],len); dp[t]=a[i]; } } printf("%d\n",len); } return 0;}
- NYOJ214最长单调递增子序列(DP)
- NYOJ214单调递增子序列(二)
- NYOJ214 单调递增子序列(二) 【dp问题】
- NYOJ214 单调递增子序列(二)(经典dp)
- NYOJ214单调递增子序列(二)【dp+二分查找】
- 单调递增子序列(二)(nyoj214)
- nyoj214单调递增子序列(二)
- 单调递增子序列(二) nyoj214
- NYOJ214 单调递增子序列(二)
- NYOJ214 单调递增子序列(二)(LIS)
- nyoj214最长递增子序列+二分
- nyoj17 单调递增最长子序列(DP)
- 单调递增最长子序列DP+二分
- 【DP入门】单调递增最长子序列
- 单调递增最长子序列 【DP】
- 单调递增最长子序列(经典dp)
- NYOJ 题目17 单调递增最长子序列 (DP)
- nyoj17单调递增最长子序列(dp)
- NekoHTML和JTIDY解析器简介
- 第十五周项目二----链表类
- Android framework camera分析
- c3p0 和 dbcp的配置
- POJ2240 Arbitrage
- NYOJ214最长单调递增子序列(DP)
- POJ 2773 Happy 2006 【数论,容斥原理+二分】
- 选项菜单、子菜单、上下文菜单的使用
- 高效使用vimdiff解决git merge冲突(英文版)
- Linux中JDK1.6的安装和配置方法
- 一款移动电源的试用报告
- TW-k-means 算法初步了解
- 指针的应用2 15周 2
- C++ 获得本机IP