求数组中最长递增子序列.docVIP

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。 分析与解法 根据题目的要求，求一维数组中的最长递增子序列，也就是找一个标号的序列b[0],b[1],…,b[m](0 = b[0] b[1] … b[m] N)，使得array[b[0]]array[b[1]]…array[b[m]]。 解法一 根据无后效性的定义我们知道，将各阶段按照一定的次序排列好之后，对于某个给定的阶段状态来说，它以前各阶段的状态无法直接影响它未来的决策，而只能间接地通过当前的这个状态来影响。换句话说，每个状态都是历史的一个完整总结。 同样的，仍以序列1，-1，2，-3，4，-5，6，-7为例，我们在找到4之后，并不关心4之前的两个值具体是怎样，因为它对找到6没有直接影响。因此，这个问题满足无后效性，可以通过使用动态规划来解决。 可以通过数字的规律来分析目标串：1，-1，2，-3，4，-5，6，-7。 使用i来表示当前遍历的位置 当i=1时，显然，最长的递增序列为（1），序列长度为1. 当i=2是，由于-11。因此，必须丢弃第一个值后重新建立串。当前的递增序列为（-1），长度为1。 当i=3时，由于21,2-1。因此，最长的递增序列为（1,2）,(-1,2),长度为2。在这里，2前面是1还是-1对求出后面的递增序列没有直接影响。（但是在其它情况下可能有影响） 依此类推之后，我们得出如下的结论。 假设在目标数组array[]的前i个元素中，最长递增子序列的长度为LIS[i]。那么， LIS[i+1]=max{1,LIS[k]+1},array[i+1]array[k],for any k = i 即如果array[i+1]大于array[k],那么第i+1个元素可以接在LIS[k]长的子序列后面构成一个更长的子序列。于此同时array[i+1]本身至少可以构成一个长度为1的子序列。 根据上面的分析，就可以得到代码清单 C++代码： int Max(int *a, int n) { int max = a[0]; for(int i = 1; i n; i++) if(max a[i]) max = a[i]; return max; } int LIS(vectorint array) { int *a = new int[array.size()]; for(int i = 0; i array.size(); i++) { a[i] = 1; //初始化默认的长度 for(int j = 0; j i; j++) //前面最长的序列 { if(array [i] array [j] a[j] + 1 a[i]) { a[i] = a[j] + 1; } } } return Max(a, array.size()); } 这种方法的时间复杂度为O(N2 + N) = O(N2) 解法二 在前面的分析中，当考察第i+1个元素的时候，我们是不考虑前面i个元素的分布情况的。现在我们从另一个角度分析，即当考察第i+1个元素的时候考虑前面i个元素的情况。 对于前面i个元素的任何一个递增子序列，如果这个子序列的最大的元素比array[i+1]小，那么就可以将array[i+1]加在这个子序列后面，构成一个新的递增子序列。 比如当i=4的时候，目标序列为1，-1，2，-3，4，-5，6，-7最长递增序列为(1,2),(-1,2)。 那么，只要42,就可以把4直接增加到前面的子序列中形成一个新的递增子序列。 因此，我们希望找到前i个元素中的一个递增子序列，使得这个递增子序列的最大的元素比array[i+1]小，且长度尽量地长。这样将array[i+1]加在该递增子序列后，便可以找到以array[i+1]为最大元素的最长递增子序列。 仍然假设在数组的前i个元素中，以array[i]为最大元素的最长递增子序列的长度为LIS[i]。 同时，假设： 长度为1的递增子序列最大元素的最小值为MaxV[1]; 长度为2的递增子序列最大元素的最小值为MaxV[2]; …… 长度为LIS[i]的递增子序列最大元素的最小值为MaxV[LIS[i]]; 本循环不变式P是： P：k是序列a[0:i]的最长递增子序列的长度，0≤i＜n。 容易看出，在由i-1到i的循环中，a[i]的值起关