动态规划之最长递增子序列
来源:互联网 发布:淘宝全套模板 编辑:程序博客网 时间:2024/05/16 15:39
面试经常出现问题:
最大子序列:http://blog.csdn.net/yangquanhui1991/article/details/51943359
动态规划之最长递增子序列:http://blog.csdn.net/yangquanhui1991/article/details/51943000
动态规划之最长公共子串:http://blog.csdn.net/yangquanhui1991/article/details/51945211
动态规划之最长公共子序列:http://blog.csdn.net/yangquanhui1991/article/details/51942532
最长递增子序列问题是一个很基本、较常见的小问题,但这个问题的求解方法却并不那么显而易见,需要较深入的思考和较好的算法素养才能得出良好的算法。由于这个问题能运用学过的基本的算法分析和设计的方法与思想,能够锻炼设计较复杂算法的思维,我对这个问题进行了较深入的分析思考,得出了几种复杂度不同算法,并给出了分析和证明。
一, 最长递增子序列问题的描述
设L=<a1,a2,…,an>是n个不同的实数的序列,L的递增子序列是这样一个子序列Lin=<aK1,ak2,…,akm>,其中k1<k2<…<km且aK1<ak2<…<akm。求最大的m值。
二, 第一种算法:转化为LCS问题求解
设序列X=<b1,b2,…,bn>是对序列L=<a1,a2,…,an>按递增排好序的序列。那么显然X与L的最长公共子序列即为L的最长递增子序列。这样就把求最长递增子序列的问题转化为求最长公共子序列问题LCS了。
最长公共子序列问题用动态规划的算法可解。设Li=< a1,a2,…,ai>,Xj=< b1,b2,…,bj>,它们分别为L和X的子序列。令C[i,j]为Li与Xj的最长公共子序列的长度。
这可以用时间复杂度为O(n2)的算法求解,由于这个算法上课时讲过,所以具体代码在此略去。求最长递增子序列的算法时间复杂度由排序所用的O(nlogn)的时间加上求LCS的O(n2)的时间,算法的最坏时间复杂度为O(nlogn)+O(n2)=O(n2)。
三, 第二种算法:动态规划法
设f(i)表示L中以ai为末元素的最长递增子序列的长度。则有如下的递推方程:
这个递推方程的意思是,在求以ai为末元素的最长递增子序列时,找到所有序号在L前面且小于ai的元素aj,即j<i且aj<ai。如果这样的元素存在,那么对所有aj,都有一个以aj为末元素的最长递增子序列的长度f(j),把其中最大的f(j)选出来,那么f(i)就等于最大的f(j)加上1,即以ai为末元素的最长递增子序列,等于以使f(j)最大的那个aj为末元素的递增子序列最末再加上ai;如果这样的元素不存在,那么ai自身构成一个长度为1的以ai为末元素的递增子序列。
//动态规划之最长递增子序列#include <iostream>#include <string>#include <algorithm>#include <vector>using namespace std;int longestIncSub(vector<int>& vec,int length[]){int len = vec.size();length[0] = 1;for (int i = 1; i < len; i++){length[i] = 1;for (int j = 0; j < i; j++){if (vec[i]>vec[j] && length[j]>length[i] - 1)length[i] = length[j] + 1;}}int max = 0;for (int i = 0; i < len; i++){if (length[i]>max)max = length[i];}return max;}//整数处理 int LCS_LENGTH_INT(vector<int>& vec1, vector<int>& vec2, int c[][100], int b[][100]){int m = vec1.size();int n = vec2.size();if ((m == 0) || (n == 0)) return 0;for (int i = 1; i < m; i++)c[i][0] = 0;for (int i = 1; i < n; i++)c[0][i] = 0;c[0][0] = 0;for (int i = 1; i <= m; i++)for (int j = 1; j <= n; j++)if (vec1[i - 1] == vec2[j - 1]){c[i][j] = c[i - 1][j - 1] + 1;b[i][j] = 1;}else if (c[i - 1][j] >= c[i][j - 1]){c[i][j] = c[i - 1][j];b[i][j] = 2;}else{c[i][j] = c[i][j - 1];b[i][j] = 3;}/*cout << "计算最优值效果图如下所示:" << endl;for (int i = 0; i <= m; i++){for (int j = 0; j <= n; j++){cout << c[i][j] << " ";}cout << endl;}*/return c[m][n];}int main(){//整数处理vector<int> vec1 = { 1, 3, 5, 2, 4, 6, 7, 8 };int length[100] = {0};cout << longestIncSub(vec1,length) << endl;int c[100][100] = { 0 };int b[100][100] = { 0 };vector<int> vec2(vec1.begin(), vec1.end());sort(vec2.begin(), vec2.end());cout << LCS_LENGTH_INT(vec1, vec2, c, b) << endl;system("pause");return 0;}
使用二分查找进行优化
/* *问题:求数组中最长递增子序列 *写一个时间复杂度尽可能低的程序,求一个一维数组(N个元素)中的最长递增子序列的长度。 *例如:在序列1,-1,2,-3,4,-5,6,-7中,其最长的递增子序列为1,2,4,6,最长递增子序列 *的长度为4。 *求解思路:使用动态规划+二分查找算法 时间复杂度O(nlog(n)) */ #include <cstdio> #include <iostream> using namespace std; int LIS(int *array,int len) { int *LIS = new int[len];//LIS数组中存储的是 递增子序列中最大值最小的子序列的最后一个元素(最大元素)在array中的位置 int left,mid,right; int max=1; LIS[0]=array[0]; for(int i = 1;i < len;++i) { left = 0; right = max; while(left <=right) { mid = (left+right)/2; if(LIS[mid] < array[i]) left = mid +1; else right = mid -1; } LIS[left] = array[i];//插入 if(left > max) { max++; } } delete LIS; return max; } int main(int args,char **argv) { int array[] = {1,-1,2,-3,4,-5,6,-7}; int len = sizeof(array)/sizeof(int); int res = LIS(array,len); cout<<res<<endl; getchar(); return 0; }
- 动态规划之最长递增子序列
- 动态规划之最长递增子序列
- 动态规划之最长递增子序列
- 动态规划之最长递增子序列
- 动态规划之最长递增子序列
- 动态规划之最长递增子序列
- 动态规划之最长递增子序列
- 动态规划之最长递增子序列
- 动态规划之最长递增子序列 最长不重复子串 最长公共子序列
- 动态规划之最长递增子序列 最长不重复子串 最长公共子序列
- 动态规划之----求最长递增子序列
- 动态规划之单调递增最长子序列
- 动态规划之最长递增子序列问题详解
- 动态规划算法之最长递增子序列问题
- 动态规划之-----单调递增最长子序列(nyoj17)
- 动态规划之最长递增子序列(思路)
- 动态规划系列之最长递增子序列问题解答
- 最长递增子序列(动态规划)
- Proximal Algorithms
- hdoj1002A + B Problem II(大数相加)
- Tomcat类加载机制
- 杭电OJ1048-The Hardest Problem Ever
- [Headset]如何在ADB shell中读取耳机状态和读取ACCDET寄存器
- 动态规划之最长递增子序列
- <疯狂Andorid讲义> 阅读笔记(1)
- BestCoder 2nd Anniversary D hdu 5721 最近点对
- ubuntu14.04 彻底重装mysql
- SpringMVC使用注解实现登录
- Java 协变性 逆变性
- jquery $.each 用法
- Redis学习笔记二:Redis的常用操作命令
- 使用Eclipse和CMake构建项目