【214最长单调递增子序列 NYOJ 二分搜索 和动态】
来源:互联网 发布:中序线索树的递归算法 编辑:程序博客网 时间:2024/04/30 13:42
题目链接:http://acm.nyist.net/JudgeOnline/problem.php?pid=214
1. 算法复杂度是O(N*N)
f[i]是以a[i]为最大值的子序列,那么f[]的最大值就是要的结果。
int f[],a[];
f[0] = 1;
for(i = 1 ; i < n ; i++ )
{
f[i] = 1;
for(j = 0 ; j < i ; j++)
{
If(a[j] < a[i] && f[j]+1 > f[i])//等号有没有要视题目而定
{
f[i] = f[j] +1;
}
}
}
很显然实践复杂度是O(N*N),那么有没有更快的算法呢?按照正常的思路更快的复杂度应该就是O(N*logN),那么就要涉及到二分了。
2. 算法复杂度是O(N*logN)
这是一个很好的题目。题目的算法还是比较容易看出来的,就是求最长上升子序列的长度。
不过这一题的数据规模最大可以达到40000,经典的O(n^2)的动态规划算法明显会超时。
我们需要寻找更好的方法来解决是最长上升子序列问题。
先回顾经典的O(n^2)的动态规划算法,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])。
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!
这个算法还可以扩展到整个最长子序列系列问题,整个算法的难点在于二分查找的设计,需要非常小心注意。
*/
#include<cstdio>const int N=100000+5;using namespace std;int a[N],dp[N];int binarysearch(int k,int len){ int right=len; int left=1; while(left<=right){ int mid=left+(right-left)/2; if(k==dp[mid]) return mid; if(k>dp[mid]) left=mid+1; else right=mid-1; } return left;}int main(){ int n; while(~scanf("%d",&n)){ int len, t; for(int i=0;i<n;i++) scanf("%d",&a[i]); len=1; dp[1]=a[0]; for(int i=1;i<n;i++){ t=binarysearch(a[i],len); dp[t]=a[i]; if(t>len){ len=t; } } printf("%d\n",len); }}
0 0
- 【214最长单调递增子序列 NYOJ 二分搜索 和动态】
- NYOJ - 17 - 单调递增最长子序列(动态规划--LIS--单调递增最长子序列)
- NYOJ 17:单调递增最长子序列【二分】
- NYOJ 17 单调递增最长子序列 (二分 STL,lower_bound)
- NYOJ-17 单调递增最长子序列 两种方法(动态规划,贪心+二分查找)
- NYOJ 17 单调递增最长子序列(动态规划)
- NYOJ 17.单调递增最长子序列(动态规划)
- NYOJ-单调递增最长子序列(动态规划)
- NYOJ-17:单调递增最长子序列
- NYOJ 17 单调递增最长子序列
- NYOJ 17 单调递增最长子序列
- NYOJ 17-单调递增最长子序列
- nyoj-17-单调递增最长子序列
- NYOJ 17 单调递增最长子序列
- NYOJ 17 单调递增最长子序列
- NYOJ--单调递增最长子序列
- NYOJ 17 最长单调递增子序列
- nyoj 17 单调递增最长子序列
- 插入排序算法
- Shell中的正则表达式及字符串处理汇总:
- json的转换
- Android 通过广播接受者监听用户的短信
- 轻松搞定面试中的二叉树题目
- 【214最长单调递增子序列 NYOJ 二分搜索 和动态】
- MVC设计模式总结
- 启动glance-api报错 cannot import name ceil_shift
- hrbust2090背包(经典。。,想不到就有点难)
- structs与ajax结合的问题
- jQuery.validator.addMethod实例
- ActivityGroup window bad token问题深入分析
- 设计模式研究之——单例模式
- zoj 3594 Sexagenary Cycle(模拟)