最长递增子序列求解
来源:互联网 发布:c语言夏老师好吗 编辑:程序博客网 时间:2024/05/07 21:23
算法难,难于上青天!!!!! 搞懂一个算法不容易,还是写篇博客为以后复习做好准备!!!!
动态规划算法O(n^2)
- 设A[i]表示序列中第i个数,dp[i]表示从0到i这一段中以i结尾的最长上升子序列的长度,初始化dp[i]=1;(i=0,1,2…(len(A)-1).则有动态方程为:
dp[i]=max{dp[i],dp[j]+1}(j=0,1,2,….i-1,且A[j] < A[i]);
为什么我是max{dp[i],dp[j]+1}呢,因 为,我初始化中dp[i]=1,当我们去求dp[i],在A[1—i-1]中寻找比A[i]小的元素(下标几记为j),由于dp[j]已经求过,所以我们比较dp[j]+1和dp[i]的大小,将大的更新到dp[i]中. - 我们来想一种特殊的情况,假设有两个元素A[x]和A[y],满足
(1)x
#include<iostream>#define N 1000using namespace std;int getLongCommonSub(int (&A)[6],int (&dp)[6],int n){ int length=0; int i; dp[0]=1; for(i=1;i<n;i++){ dp[i]=1; for(int j=0;j<i;j++){ if(A[i]>A[j] && dp[i]<dp[j]+1){ //求的是在1-(i-1)中满足当前要求的元素比A[j]元素大的A[i]元素所对应dp[i]的最大值. dp[i]=dp[j]+1; } } } return dp[i-1];}int main(int argc,char *argv[]){ int A[6]={1,3,4,5,2,8}; int dp[6]; int ret=getLongCommonSub(A,dp,6); cout << ret<<endl; }
用上面的序列走一遍这个程序[1,3,4,5,2,8];
- 1 3 4 5 2 8
- i从1开始到n,所以先把dp[0]=1;从1-(n-1)循环之前先会给dp[i]赋值为1.
- j从0开始到(i-1),意思就是求1-i最长递增子序列时,用A[i]和A[0-(i-1)]比较.
- i=1 j=0:A[1]=3;A[0]=1;A[i]>A[j]而且dp[i]=dp[1]=1;dp[j]+1=dp[0]+1=2;所以更新dp[1]=dp[j]+1=dp[1]+1=2;内循环j++不满足j
动态规划算法O(n^2)
- 设A[i]表示序列中第i个数,dp[i]表示从0到i这一段中以i结尾的最长上升子序列的长度,初始化dp[i]=1;(i=0,1,2…(len(A)-1).则有动态方程为:
dp[i]=max{dp[i],dp[j]+1}(j=0,1,2,….i-1,且A[j] < A[i]);
为什么我是max{dp[i],dp[j]+1}呢,因 为,我初始化中dp[i]=1,当我们去求dp[i],在A[1—i-1]中寻找比A[i]小的元素(下标几记为j),由于dp[j]已经求过,所以我们比较dp[j]+1和dp[i]的大小,将大的更新到dp[i]中. - 我们来想一种特殊的情况,假设有两个元素A[x]和A[y],满足
(1)x
#include<iostream>#define N 1000using namespace std;int getLongCommonSub(int (&A)[6],int (&dp)[6],int n){ int length=0; int i; dp[0]=1; for(i=1;i<n;i++){ dp[i]=1; for(int j=0;j<i;j++){ if(A[i]>A[j] && dp[i]<dp[j]+1){ //求的是在1-(i-1)中满足当前要求的元素比A[j]元素大的A[i]元素所对应dp[i]的最大值. dp[i]=dp[j]+1; } } } return dp[i-1];}int main(int argc,char *argv[]){ int A[6]={1,3,4,5,2,8}; int dp[6]; int ret=getLongCommonSub(A,dp,6); cout << ret<<endl; }
用上面的序列走一遍这个程序[1,3,4,5,2,8];
- 1 3 4 5 2 8
- i从1开始到n,所以先把dp[0]=1;从1-(n-1)循环之前先会给dp[i]赋值为1.
- j从0开始到(i-1),意思就是求1-i最长递增子序列时,用A[i]和A[0-(i-1)]比较.
- i=1 j=0:A[1]=3;A[0]=1;A[i]>A[j]而且dp[i]=dp[1]=1;dp[j]+1=dp[0]+1=2;所以更新dp[1]=dp[j]+1=dp[1]+1=2;内循环j++,不满足j< i,退出内循环.
- i=2 j=0: A[j]=4>A[j]=1&&dp[2]=1 < dp[0]+1=2;所以dp[2]更新为2; j=1:A[i]=4>A[j]=1但是dp[2]=2 < dp[1]+1=3;所以dp[3]更新为3;
- i=3 j=0:A[i]=5>A[j]=1&&dp[3]=1 < dp[0]+1=2,所以dp[3]更新为2;
j=1:A[i]=5>A[j]=3&&dp[3]=2 < dp[1]+1=3;所以dp[3]更新为3
j=2:A[i]=5 > A[j]=4&&dp[3]=3 < dp[2]+1=4 ,所以更新为4;
j=3:不满足j < i;退出内循环. - i=4 ; j=0:A[i]=2 >A[j]=1 && dp[4]=1 < dp[0]+1=2,所以更新dp[4]为2;
j=1:A[i]=2 < A[j]=3; j++;
j=2:A[i]=2 < A[j]=4; j++;
j=3:A[i]=2 < A[j]=5;j++,j=4:不满足j<4;退出内循环. - i=5;j=0:A[i]=8>A[j]=1 && dp[5]=1 < dp[0]+1=2,所以更新dp[5]为2;
j=1;A[i]=8 > A[j]=3 && dp[5]=2 < dp[1]+1=3;所以更新dp[5]为3;
j=2;A[i]=8 > A[j]=4 && dp[5]=3 < dp[2]+1=4;所以更新dp[5]为4;
j=3;A[i]=8 > A[j]=5 && dp[5]=4 < dp[3]+1=5;所以更新dp[5]为5;
j=4:A[i]=8 >A[j]=2 但是dp[5]=5 > dp[4]+1=3,所以直接j++,j=5,不满足j
二分查找算法求最长递增子序列
- 设当前已经求出的最长递增子序列长度为len,先判断A[i]和dp[len] 若A[i]>dp[len],则直接将A[i]接在dp[len]后得到一个更长的递增子序列,len++;dp[len]=A[i];
- 否则dp[1]到dp[len]中到最大的j,满足dp[j] A[i],令k=j+1,则有dp[j] < A[i]<=dp[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dp[]是上升的,我们在dp[]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,dp[]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.
代码如下:
int BinarySearchgetLongCommonSub(int(&A)[10],int n){ int right,left,len=1,mid,i; int dp[n+1]; dp[1]=A[1]; for(i=2;i<=n;i++){ if(A[i] > dp[len]){ dp[++len]=A[i]; }else{ left=1,right=len; while(left <= right){ //二分查找找到第最小的比A[i]大的数. mid=(left+right)/2; if(dp[mid]<A[i]){ left=mid+1; }else{ right=mid-1; } } dp[left]=A[i]; } } return len;}int main(int argc,char *argv[]){int A1[10]={0,1,3,4,5,2,8,9,8,9}; //0号元素不用. //int dp1[10]; int ret1=BinarySearchgetLongCommonSub(A1,9); cout << ret1<<endl; return 0;}
0 0
- 最长递增子序列求解
- 最长递增子序列问题的求解
- 最长递增子序列问题的求解
- zz:最长递增子序列的求解
- 最长递增子序列问题的求解
- 最长递增子序列问题的求解
- 最长递增子序列问题的求解
- 最长递增子序列(LIS)求解
- 最长递增子序列问题的求解
- 最长递增子序列问题的求解
- 最长递增子序列问题的求解
- 最长递增子序列问题的求解
- 求解最长公共递增子序列
- 最长递增子序列问题的求解
- 最长递增子序列问题的求解
- 求解最长递增子序列的长度
- 最长递增子序列问题的求解
- 求解最大子序列、最长递增子序列、最长公共子串、最长公共子序列
- (OK) shell script—Find a Rogue DHCP Server—tcpdump/dhclient—nmap
- Java锁之可重入锁介绍
- jquery 遮罩层窗口1
- .substring error: “is not a function”
- php 数组去重
- 最长递增子序列求解
- IMUNES—Integrated Multiprotocol Network Emulator/Simulator
- 多重循环打印图形
- (OK-HALF) To Find a Rogue DHCP Server—tcpdump/dhclient—nmap
- FreeBSD 10.1 64位操作系统安装图解
- asp.net 如何在MVC中的razor 输出JS
- install GNOME3 in FreeBSD 10.2—pkg—REPOS
- solr原子更新,包括4.X/5.X
- install mate on fedora 23—分辨率的问题