最长递增子序列O(nlogn)和O(n2)

单调子序列包含有单调递增子序列和递减子序列，不失一般性，这里只讨论单调递增子序列。首先，从定义上明确我们的问题。给定序列a₁, a₂, …, a_n，如果存在满足下列条件的子序列

a_i1<=a_i2<=…<=a_im, (其中i1<i2<…<im)

即称为一个原序列的长度为m的单调递增子序列，那么，现在的问题是我们要找出一个序列的最长的单调递增子序列。

直观上来说，一个序列S_n，它有2ⁿ个子序列，枚举所有的子序列，找出其中单调递增的序列，然后返回其中最长的，这样我们的问题就解决了。当然，这个直观的算法在时间上为O(2ⁿ*n)，它的复杂度增长太快了，所以，我们还应该做得更好一些。

于是，我们换个角度思考。假设我们对S_n排序（递增），得到S_n’。那么，S_n和S_n’的最长公共子序列C_m就是我们要求的最长单调递增子序列（如果你不清楚最长公共子序列的定义，just google it）。为什么？假设C_m’是S_n的最长单调子列，且C_m’!=C_m， C_m’的长度大于C_m。由于C_m’是递增的，并且C_m’的每一个元素都来自S_n，所以C_m’一定是S_n’的子列，而C_m’又是S_n的子列，所以C_m’是S_n和S_n’的公共子列，故C_m’的长度一定小于C_m，这与假设矛盾，所以C_m是最长单调子列。理论上我们的算法是正确的，复杂度方面，运用动态规划(dynamic programming)来求解LCS（最长公共子列，Longest-Common-Subsequence），时间上是O(n²)，空间上也是O(n²)。于是，对S_n排序需要nlogn的时间，而LCS需要n²，最后，我们的算法时间上是O(n²)。

可以看到，通过上面的改进，我们的算法效率得到了很大的提升（从指数增长到多项式增长）。不过，程序设计的乐趣就是它会不断地给我们一些惊喜，所以，就此打住不是我们该做的，于是，更好的算法应该是存在的。

对于序列S_n，考虑其长度为i的单调子列(1<=i<=m)，这样的子列可能有多个。我们选取这些子列的结尾元素（子列的最后一个元素）的最小值。用L_i表示。易知

L₁<=L₂<=…<=L_m

如果L_i>L_j(i<j)，那么去掉以L_j结尾的递增子序列的最后j-i个元素，得到一个长度为i的子序列，该序列的结尾元素a_k<=L_j<L_i，这与L_i标识了长度为i的递增子序列的最小结尾元素相矛盾，于是证明了上述结论。现在，我们来寻找S_n对应的L序列，如果我们找到的最大的L_i是L_m，那么m就是最大单调子列的长度。下面的方法可以用来维护L。

从左至右扫描S_n，对于每一个a_i，它可能

(1) a_i<L₁，那么L₁=a_i

(2) a_i>=L_m，那么L_m+1=a_i，m=m+1 (其中m是当前见到的最大的L下标)

(3) L_s<=a_i<L_s+1，那么L_s+1=a_i

扫描完成后，我们也就得到了最长递增子序列的长度。从上述方法可知，对于每一个元素，我们需要对L进行查找操作，由于L有序，所以这个操作为logn，于是总的复杂度为O(nlogn)。优于开始O(n²)的算法。这里给出我的一个实现：（算法并没有返回具体的序列，只是返回长度）

template <typename T>
int LMS (const T * data, int size)
...{
if (size <= 0)
return 0;

T * S = new T[size];
int S_Count = 1;
S[0] = data[0];

for (int i = 1; i < size; i++)
    ...{
        const T & e = data[i];
        int low = 0, high = S_Count - 1;

        while (low <= high)
        ...{
            int mid = (low + high) / 2;

if (S[mid] == e)
                break;
            else if (S[mid] > e)
            ...{
                high = mid - 1;
            }
            else
            ...{
                low = mid + 1;
            }
        }

//well, in this point
        //high is -1, indicating e is the smallest element.
        //otherwise, high indicates index of the largest element that is smaller than e
        if (high == S_Count - 1)
            S[S_Count++] = e;
        else
            S[high + 1] = e;
    }

return S_Count;
}

转自 http://skynewborn.blog.sohu.com/66594610.html

最长递增子序列O(nlogn)和O(n2)相关推荐

最长递增子序列 O(NlogN)算法
最长递增子序列 O(NlogN)算法今天回顾WOJ1398,发现了这个当时没有理解透彻的算法. 看了好久好久,现在终于想明白了. 试着把它写下来,让自己更明白. 最长递增子序列,Longest In ...
最长上升子序列 java_最长上升子序列 O(nlogn)解法 (java)
最长递增子序列问题:在一列数中寻找一些数,这些数满足:任意两个数a[i]和a[j],若i 设dp[i]表示以i为结尾的最长递增子序列的长度,则状态转移方程为: dp[i] = max{dp[j]+1} ...
c语言最长递增子序列nlogn,最长递增子序列
问题定义: 给定一个长度为N的数组,找出一个最长的单调自增子序列(不一定连续,但是顺序不能乱).例如:给定一个长度为6的数组A{5, 6, 7, 1, 2, 8},则其最长的单调递增子序列为{5,6, ...
最长递增子序列O（NlogN）算法
转载出处:https://www.felix021.com/blog/read.php?1587 最长递增子序列,Longest Increasing Subsequence 下面我们简记为 LIS. ...
c语言最长递增子序列nlogn,十月常见算法考题、最长递增子序列，Leetcode第300题最长上升子...
十月常见算法考题.最长递增子序列,Leetcode第300题最长上升子十月常见算法考题.最长递增子序列,Leetcode第300题最长上升子序列的变种,我没见过乔丹,今天詹姆斯就是我的神! @Aut ...
最长递增子序列的两种解法
以LeetCode-300为例: O(n^2)解法: dp数组表示以i结尾的最长递增子序列的长度 class Solution { public:int lengthOfLIS(vector<i ...
最长递增子序列问题的求解
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 ...
洛谷P2766-最长递增子序列问题
chunlvxiong的博客题目描述: 给定正整数序列x1,...,xn (1≤n≤500). 1.计算其最长递增子序列的长度s. 2.计算从给定的序列中最多可取出多少个长度为s的递增子序列. 3. ...
最长上升子序列(LIS) nlogn解法
文章目录经典DP解法O(n^2) dp+二分法(O(nlogn)) 最长上升子序列LIS:Longest increasing subsequence 题目链接:Leetcode300. 最长递增子 ...
动态规划算法-04最长递增子序列问题
最长递增子序列问题简述经典的动态规划问题. 问题描述给定一个序列,求解其中长度最长的递增子序列. 问题分析这种可以向下查询答案的很容易想到动态规划的解法. 要求长度为i的序列Ai={a1,a2 ...

最长递增子序列O(nlogn)和O(n2)

最长递增子序列O(nlogn)和O(n2)相关推荐

最新文章

热门文章