问题描述
一个数的序列ai,当a1 < a2 < … < aS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。
输入数据
输入的第一行是序列的长度N (1 <= N <= 1000)。第二行给
出序列中的N个整数,这些整数的取值范围都在0到10000。
输出要求
最长上升子序列的长度。
输入样例
7
1 7 3 5 9 4 8
输出样例
4
解题思路思路来自北大郭炜
1.找子问题
“求序列的前n个元素的最长上升子序列的长度”是个
子问题,但这样分解子问题,不具有“无后效性”
假设F(n) = x,但可能有多个序列满足F(n) = x。有的序
列的最后一个元素比 an+1小,则加上an+1就能形成更长上
升子序列;有的序列最后一个元素不比an+1小……以后的事
情受如何达到状态n的影响,不符合“无后效性”
“求以ak(k=1, 2, 3…N)为终点的最长上升子序列的
长度”
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。
2. 确定状态:
子问题只和一个变量-- 数字的位置相关。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。
状态一共有N个。
3. 找出状态转移方程:
maxLen (k)表示以ak做为“终点”的
最长上升子序列的长度那么:
初始状态:maxLen (1) = 1
maxLen (k) = max { maxLen (i):1<=i < k 且 ai < ak且 k≠1 } + 1
若找不到这样的i,则maxLen(k) = 1
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。
人人为我”递推型动归程序
#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int MAXN =1010;
int a[MAXN]; int maxLen[MAXN];
int main() {
int N; cin >> N;
for( int i = 1;i <= N;++i) {
cin >> a[i]; maxLen[i] = 1;
}
for( int i = 2; i <= N; ++i) {
//每次求以第i个数为终点的最长上升子序列的长度
for( int j = 1; j < i; ++j)
//察看以第j个数为终点的最长上升子序列
if( a[i] > a[j] )
maxLen[i] = max(maxLen[i],maxLen[j]+1);
}
cout << * max_element(maxLen+1,maxLen + N + 1 );
return 0;
} //时间复杂度O(N2)
动归的常用两种形式
1)递归型
优点:直观,容易编写
缺点:可能会因递归层数太深导致爆栈,函数调用带来额外
时间开销。无法使用滚动数组节省空间。总体来说,比递推型
慢
1)递推型
效率高,有可能使用滚动数组节省空间