子序列问题

(一)一个序列中的最长上升子序列(LISLIS)

n2做法 直接dp即可:

 for(int i=;i<=n;i++)
{
dp[i]=;//初始化
for(int j=;j<i;j++)//枚举i之前的每一个j
if(data[j]<data[i] && dp[i]<dp[j]+)
//用if判断是否可以拼凑成上升子序列,
//并且判断当前状态是否优于之前枚举
//过的所有状态,如果是,则↓
dp[i]=dp[j]+;//更新最优状态 }

n2

上述的方法 dp定义为以第i个数字为结尾的最长上升子序列长度 注意是以第i个数组为结尾 而不是前i个!!!!!!!!!! (我目前学的线性dp一般就是前i个 如背包  还有就是着重于第i个  这两种 虽然下面马上就是第三种了。。)

下一状态最优值=最优比较函数(已经记录的最优值,可以由先前状态得出的最优值)

——即动态规划具有 判断性继承思想

nlogn做法:

我们其实不难看出,对于n^2n2做法而言,其实就是暴力枚举:将每个状态都分别比较一遍。但其实有些没有必要的状态的枚举,导致浪费许多时间,当元素个数到了10^4-10^5104−105以上时,就已经超时了。而此时,我们可以通过另一种动态规划的方式来降低时间复杂度:

将原来的dp数组的存储由数值换成该序列中,上升子序列长度为i的上升子序列,的最小末尾数值

这其实就是一种几近贪心的思想:我们当前的上升子序列长度如果已经确定,那么如果这种长度的子序列的结尾元素越小,后面的元素就可以更方便地加入到这条我们臆测的、可作为结果、的上升子序列中。

int n;
cin>>n;
for(int i=;i<=n;i++)
{
cin>>a[i];
f[i]=0x7fffffff;
//初始值要设为INF
/*原因很简单,每遇到一个新的元素时,就跟已经记录的f数组当前所记录的最长
上升子序列的末尾元素相比较:如果小于此元素,那么就不断向前找,直到找到
一个刚好比它大的元素,替换;反之如果大于,么填到末尾元素的下一个q,INF
就是为了方便向后替换啊!*/
}
f[]=a[];
int len=;//通过记录f数组的有效位数,求得个数
/*因为上文中所提到我们有可能要不断向前寻找,
所以可以采用二分查找的策略,这便是将时间复杂
度降成nlogn级别的关键因素。*/
for(int i=;i<=n;i++)
{
int l=,r=len,mid;
if(a[i]>f[len])f[++len]=a[i];
//如果刚好大于末尾,暂时向后顺次填充
else
{
while(l<r)
{
mid=(l+r)/;
if(f[mid]>a[i])r=mid;
//如果仍然小于之前所记录的最小末尾,那么不断
//向前寻找(因为是最长上升子序列,所以f数组必
//然满足单调)
else l=mid+;
}
f[l]=min(a[i],f[l]);//更新最小末尾
}
}
cout<<len;

简化:

#define MAXN 40005

int arr[MAXN],ans[MAXN],len;

int main()
{
int T,p,i,j,k;
scanf("%d",&T);
while(T--){
scanf("%d",&p);
for(i=; i<=p; ++i)
scanf("%d",&arr[i]); ans[] = arr[];
len=;
for(i=; i<=p; ++i){
if(arr[i]>ans[len])
ans[++len]=arr[i];
else{
int pos=lower_bound(ans,ans+len,arr[i])-ans;
ans[pos] = arr[i];
}
}
}
printf("%d\n",len); return ;
}

终极简化:

#include<bits/stdc++.h>
using namespace std;
//input
#define rep(i,a,b) for(int i=(a);i<=(b);i++)
#define RI(n) scanf("%d",&(n))
#define RII(n,m) scanf("%d%d",&n,&m);
#define RIII(n,m,k) scanf("%d%d%d",&n,&m,&k)
#define RS(s) scanf("%s",s);
#define LL long long
#define REP(i,N) for(int i=0;i<(N);i++)
#define CLR(A,v) memset(A,v,sizeof A)
//////////////////////////////////
const int INF=0x3fffffff;
int a[], dp[];
int main (void)
{
int n, ans = ; cin>>n;
fill(dp, dp + n, INF);
for (int i = ; i < n; i++){
cin>>a[i];
*lower_bound(dp, dp + n, a[i]) = a[i];
}
cout<<lower_bound(dp, dp +n, INF) - dp<<endl;
return ;
}

注意  上升序列用 low_bound 不下降序列用upper_bound

但是事实上,nlognnlogn做法偷了个懒,没有记录以每一个元素结尾的最长上升子序列长度。那么我们对于n^2n2的统计方案数,有很好想的如下代码(再对第一次的dpdp数组dpdp一次):

for(i = ; i <= N; i ++){
if(dp[i] == ) f[i] = ;
for(j = ; j <= N: j ++)
if(base[i] > base[j] && dp[j] == dp[i] - ) f[i] += f[j] ;
else if(base[i] == base[j] && dp[j] == dp[i]) f[i] = ;
if(f[i] == ans) res ++ ;
}

但是nlognnlogn呢?虽然好像也可以做,但是想的话会比较麻烦,在这里就暂时不讨论了qwq,但笔者说这件事的目的是为了再次论证一个观点:时间复杂度越高的算法越全能

输出路径

只要记录前驱,然后递归输出即可(也可以用栈的)

下面贴出n ^ 2n2的完整代码qwq

#include <iostream>
using namespace std;
const int MAXN = + ;
int n, data[MAXN];
int dp[MAXN];
int from[MAXN];
void output(int x)
{
if(!x)return;
output(from[x]);
cout<<data[x]<<" ";
//迭代输出
}
int main()
{
cin>>n;
for(int i=;i<=n;i++)cin>>data[i]; // DP
for(int i=;i<=n;i++)
{
dp[i]=;
from[i]=;
for(int j=;j<i;j++)
if(data[j]<data[i] && dp[i]<dp[j]+)
{
dp[i]=dp[j]+;
from[i]=j;//逐个记录前驱
}
} int ans=dp[], pos=;
for(int i=;i<=n;i++)
if(ans<dp[i])
{
ans=dp[i];
pos=i;//由于需要递归输出
//所以要记录最长上升子序列的最后一
//个元素,来不断回溯出路径来
}
cout<<ans<<endl;
output(pos); return ;

(二)两个序列中的最长公共子序列(LCSLCS)

1、譬如给定2个序列:

1 2 3 4 5

3 2 1 4 5

试求出最长的公共子序列。

qwqqwq显然长度是33,包含3 \ \ 4 \ \ 53  4  5 三个元素(不唯一)

解析:我们可以用dp[i][j]dp[i][j]来表示第一个串的前ii位,第二个串的前j位的LCSLCS的长度,那么我们是很容易想到状态转移方程的:

如果当前的A1[i]A1[i]和A2[j]A2[j]相同(即是有新的公共元素) 那么

dp[ i ] [ j ] = max(dp[ i ] [ j ], dp[ i-1 ] [ j-1 ] + 1);dp[i][j]=max(dp[i][j],dp[i−1][j−1]+1);

如果不相同,即无法更新公共元素,考虑继承:

dp[ i ] [ j ] = max(dp[ i-1 ][ j ] , dp[ i ][ j-1 ]dp[i][j]=max(dp[i−1][j],dp[i][j−1]

#include<iostream>
using namespace std;
int dp[][],a1[],a2[],n,m;
int main()
{
//dp[i][j]表示两个串从头开始,直到第一个串的第i位
//和第二个串的第j位最多有多少个公共子元素
cin>>n>>m;
for(int i=;i<=n;i++)scanf("%d",&a1[i]);
for(int i=;i<=m;i++)scanf("%d",&a2[i]);
for(int i=;i<=n;i++)
for(int j=;j<=m;j++)
{
dp[i][j]=max(dp[i-][j],dp[i][j-]);
if(a1[i]==a2[j])
dp[i][j]=max(dp[i][j],dp[i-][j-]+);
//因为更新,所以++;
}
cout<<dp[n][m];
}

而对于洛谷P1439而言(两个序列为1-n的两个全排列),不仅是卡上面的朴素算法,也考察到了全排列的性质:

对于这个题而言,朴素算法是n^2n2的,会被10^5105卡死,所以我们可以考虑nlognnlogn的做法:

因为两个序列都是1~n1 n的全排列,那么两个序列元素互异且相同,也就是说只是位置不同罢了,那么我们通过一个mapmap数组将AA序列的数字在BB序列中的位置表示出来——

因为最长公共子序列是按位向后比对的,所以a序列每个元素在b序列中的位置如果递增,就说明b中的这个数在a中的这个数整体位置偏后,可以考虑纳入LCSLCS——那么就可以转变成nlognnlogn求用来记录新的位置的map数组中的LISLIS。

上述为离散化处理

#include<iostream>
#include<cstdio>
using namespace std;
int a[],b[],map[],f[];
int main()
{
int n;
cin>>n;
for(int i=;i<=n;i++){scanf("%d",&a[i]);map[a[i]]=i;}
for(int i=;i<=n;i++){scanf("%d",&b[i]);f[i]=0x7fffffff;}
int len=;
f[]=;
for(int i=;i<=n;i++)
{
int l=,r=len,mid;
if(map[b[i]]>f[len])f[++len]=map[b[i]];
else
{
while(l<r)
{
mid=(l+r)/;
if(f[mid]>map[b[i]])r=mid;
else l=mid+;
}
f[l]=min(map[b[i]],f[l]);
}
}
cout<<len;
return
}

最长上升序列 LCS LIS的更多相关文章

  1. 最长上升序列(Lis)

    Description A numeric sequence of ai is ordered if a1 < a2 < ... < aN. Let the subsequence ...

  2. LIS(最长的序列)和LCS(最长公共子)总结

    LIS(最长递增子序列)和LCS(最长公共子序列)的总结 最长公共子序列(LCS):O(n^2) 两个for循环让两个字符串按位的匹配:i in range(1, len1) j in range(1 ...

  3. 最长公共子序列-LCS问题 (LCS与LIS在特殊条件下的转换) [洛谷1439]

    题目描述 给出1-n的两个排列P1和P2,求它们的最长公共子序列. 输入 第一行是一个数n, 接下来两行,每行为n个数,为自然数1-n的一个排列. 输出 一个数,即最长公共子序列的长度 输入样例 5 ...

  4. 最长公共子序列(LCS)、最长递增子序列(LIS)、最长递增公共子序列(LICS)

    最长公共子序列(LCS) [问题] 求两字符序列的最长公共字符子序列 问题描述:字符序列的子序列是指从给定字符序列中随意地(不一定连续)去掉若干个字符(可能一个也不去掉)后所形成的字符序列.令给定的字 ...

  5. (LIS)最长上升序列(DP+二分优化)

    求一个数列的最长上升序列 动态规划法:O(n^2) //DP int LIS(int a[], int n) { int DP[n]; int Cnt=-1; memset(DP, 0, sizeof ...

  6. XHXJ's LIS HDU - 4352 最长递增序列&数位dp

    代码+题解: 1 //题意: 2 //输出在区间[li,ri]中有多少个数是满足这个要求的:这个数的最长递增序列长度等于k 3 //注意是最长序列,可不是子串.子序列是不用紧挨着的 4 // 5 // ...

  7. LCS,LIS,LCIS学习

    for(int i = 1;i <= n;i++) { int dpmax = 0; for(int j = 1;j <= m;j++) { dp[i][j] = dp[i-1][j]; ...

  8. 最长递增子序列(LIS)(转)

    最长递增子序列(LIS)   本博文转自作者:Yx.Ac   文章来源:勇幸|Thinking (http://www.ahathinking.com)   --- 最长递增子序列又叫做最长上升子序列 ...

  9. LCS/LIS/LCIS 模板总结

    /************************* LCS/LIS/LCIs模板总结: *************************/ /*************************** ...

随机推荐

  1. Java基础编程题——水仙花数

    package com.yangzl.basic; /** * 题目:打印出所有的"水仙花数". * 所谓"水仙花数"是指一个三位数, * 其各位数字立方和等于 ...

  2. DropEditText

    https://blog.csdn.net/jdsjlzx/article/details/46860563    https://github.com/qibin0506/DropEditText ...

  3. ActiveMQ学习笔记1

    1.接口 JMS 公共 点对点域 发布/订阅域 ConnectionFactory QueueConnectionFactory TopicConnectionFactory Connection Q ...

  4. C++学习3--编程基础(vector、string、三种传参)

    知识点学习 Vector容器 vector是C++标准程序库中的一个类,其定义于头文件中,与其他STL组件一样,ventor属于STD名称空间: ventor是C++标准程序库里最基本的容器,设计之初 ...

  5. vim学习、各类插件配置与安装【转】

    转自:https://www.cnblogs.com/forest-wow/p/6916531.html 1. vim学习 vim基础学习:根据网上流行基础文章<简明Vim练级攻略>,进阶 ...

  6. DataSnap ClientdataSet 三层中主从表的操作

    非原创  摘自:http://hi.baidu.com/yagzh2000/blog/item/fc69df2cb9845de78b139946.html三层中主从表的操作(删除.新增.修改)一定要在 ...

  7. Python3学习笔记24-操作文件和目录

    环境变量 在操作系统中定义的环境变量,全部保存在os.environ这个变量中,可以直接查看: import os print(os.environ) 操作文件和目录 操作文件和目录的函数一部分放在o ...

  8. 详解.NET IL代码(一)

    本文主要介绍IL代码,内容大部分来自网上,进行整理合并的. 一.IL简介 为什么要了解IL代码? 如果想学好.NET,IL是必须的基础,IL代码是.NET运行的基础,当我们对运行结果有异议的时候,可以 ...

  9. 如何消除手机设置的字体大小对Cordova app(Android)界面font-size的影响

    ===================== 更新分割线 =================== 现在发现其实不需要用安卓编辑器打开,也能找到这个文件,路径是platforms\android\Cord ...

  10. mybatis主键自增长

    在数据库中建序列:SEQ_T_RESOURCE 第一种:会在传入该方法的的参数集合中添加主键元素,相当于:map.put("RES_ID",xxx); <insert id= ...