求數(shù)組中最長遞增子序列的解決方法
更新時間:2013年05月28日 17:27:15 作者:
本篇文章是對c++中求數(shù)組中最長遞增子序列的方法進行了詳細的分析介紹,需要的朋友參考下
存儲擴展算法n2編程c 寫一個時間復雜度盡可能低的程序,求一個一維數(shù)組(N個元素)中的最長遞增子序列的長度。
例如:在序列1,-1,2,-3,4,-5,6,-7中,其最長的遞增子序列為1,2,4,6 或者 -1,2,4,6。(編程之美P198-202)
分析與解法
根據(jù)題目的要求,求一維數(shù)組中的最長遞增子序列,也就是找一個標號的序列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
根據(jù)無后效性的定義我們知道,將各階段按照一定的次序排列好之后,對于某個給定的階段狀態(tài)來說,它以前各階段的狀態(tài)無法直接影響它未來的決策,而只能間接地通過當前的這個狀態(tài)來影響。換句話說,每個狀態(tài)都是歷史的一個完整總結(jié)。
同樣的,仍以序列1,-1,2,-3,4,-5,6,-7為例,我們在找到4之后,并不關(guān)心4之前的兩個值具體是怎樣,因為它對找到6沒有直接影響。因此,這個問題滿足無后效性,可以通過使用動態(tài)規(guī)劃來解決。
可以通過數(shù)字的規(guī)律來分析目標串:1,-1,2,-3,4,-5,6,-7。
使用i來表示當前遍歷的位置
當i=1時,顯然,最長的遞增序列為(1),序列長度為1.
當i=2是,由于-1<1。因此,必須丟棄第一個值后重新建立串。當前的遞增序列為(-1),長度為1。
當i=3時,由于2>1,2>-1。因此,最長的遞增序列為(1,2),(-1,2),長度為2。在這里,2前面是1還是-1對求出后面的遞增序列沒有直接影響。(但是在其它情況下可能有影響)
依此類推之后,我們得出如下的結(jié)論。
假設(shè)在目標數(shù)組array[]的前i個元素中,最長遞增子序列的長度為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個元素可以接在LIS[k]長的子序列后面構(gòu)成一個更長的子序列。于此同時array[i+1]本身至少可以構(gòu)成一個長度為1的子序列。
根據(jù)上面的分析,就可以得到代碼清單:
C++代碼:
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(vector<int> &array)
{
int *a = new int[array.size()];
for(int i = 0; i < array.size(); i++)
{
a[i] = 1;//初始化默認的長度
for(int j = 0; j < i; j++) //前面最長的序列
{
if(array [i] > array [j] && a[j] + 1 > a[i]) //當前數(shù)字比第j個大,且標記數(shù)組需要更新
{
a[i] = a[j] + 1;
}
}
}
return Max(a, array.size());
}
這種方法的時間復雜度為O(N2 + N) = O(N2)
解法二
在前面的分析中,當考察第i+1個元素的時候,我們是不考慮前面i個元素的分布情況的。現(xiàn)在我們從另一個角度分析,即當考察第i+1個元素的時候考慮前面i個元素的情況。
對于前面i個元素的任何一個遞增子序列,如果這個子序列的最大的元素比array[i+1]小,那么就可以將array[i+1]加在這個子序列后面,構(gòu)成一個新的遞增子序列。
比如當i=4的時候,目標序列為1,-1,2,-3,4,-5,6,-7最長遞增序列為(1,2),(-1,2)。
那么,只要4>2,就可以把4直接增加到前面的子序列中形成一個新的遞增子序列。
因此,我們希望找到前i個元素中的一個遞增子序列,使得這個遞增子序列的最大的元素比array[i+1]小,且長度盡量地長。這樣將array[i+1]加在該遞增子序列后,便可以找到以array[i+1]為最大元素的最長遞增子序列。
仍然假設(shè)在數(shù)組的前i個元素中,以array[i]為最大元素的最長遞增子序列的長度為LIS[i]。
同時,假設(shè):
長度為1的遞增子序列最大元素的最小值為MaxV[1];
長度為2的遞增子序列最大元素的最小值為MaxV[2];
……
長度為LIS[i]的遞增子序列最大元素的最小值為MaxV[LIS[i]];
本循環(huán)不變式P是:
P:k是序列a[0:i]的最長遞增子序列的長度,0≤i<n。
容易看出,在由i-1到i的循環(huán)中,a[i]的值起關(guān)鍵作用。如果a[i]能擴展序列a[0;i-1]的最長遞增子序列的長度,則k=k+1,否則k不變。設(shè)a[0;i-1]中長度為k的最長遞增子序列的結(jié)尾元素是a[j](0≤j≤i-1),則當a[i]≥a[j]時可以擴展,否則不能擴展。如果序列a[0;i-1]中有多個長度為k的最長遞增子序列,那么需要存儲哪些信息?容易看出,只要存儲序列a[0;i-1]中所有長度為k的遞增子序列中結(jié)尾元素的最小值b[k]。因此,需要將循環(huán)不變式P增強為:
P:0≤i<n;k是序列a[0;i]的最長遞增子序列的長度;
b[k]是序列a[0;i]中所有長度為k的遞增子序列中最小結(jié)尾元素值。
相應(yīng)地,歸納假設(shè)也增強為:已知計算序列a[0;i-1](i<n)的最長遞增子序列的長度k以及序列a[0;i]中所有長度為k的遞增子序列中的最小結(jié)尾元素值b[k]的正確算法。
增強歸納假設(shè)后,在由i-1到i的循環(huán)中,當a[i]≥b[k]時,k=k+1,b[k]=a[i],否則k值不變。注意到當a[i]≥b[k]時,k值增加,b[k]的值為a[i]。那么,當a[i]<b[k]時,b[l;k]的值應(yīng)該如何改變?如果a[i]<b[l],則顯然應(yīng)該將b[l]的只改變?yōu)閍[i],當b[l]≤a[i]≤b[k]時,注意到數(shù)組b是有序的,可以用二分搜索算法找到下標j,使得b[j-1]≤a[i]≤b[j]。此時,b[1;j-1]和b[j+1;k]的值不變,b[j]的值改變?yōu)閍[i]。
/* Finds longest strictly increasing subsequence. O(n log k) algorithm. */
template<typename T> vector<int> find_lis(vector<T> &a)
{
vector<int> b, p(a.size());//b是存儲遞增序列長度為k的最后元素下標
//比如b[1]是存儲遞增子序列最大元素的最小值的下標
//b是存儲最長子序列的下標
int u, v;
if (a.size() < 1)
return b;
b.push_back(0);
for (int i = 1; i < (int)a.size(); i++)
{
if (a[b.back()] < a[i])
{
p[i] = b.back();
b.push_back(i);
continue;
}
for (u = 0, v = b.size()-1; u < v;) //二分搜索
{
int c = (u + v) / 2;
if (a[b[c]] < a[i])
u=c+1;
else v=c;
}
if (a[i] < a[b[u]])
{
if (u > 0)
p[i] = b[u-1];
b[u] = i;
}
}
for (u = b.size(), v = b.back(); u--; v = p[v])
b[u] = v;
return b;
}
例如:在序列1,-1,2,-3,4,-5,6,-7中,其最長的遞增子序列為1,2,4,6 或者 -1,2,4,6。(編程之美P198-202)
分析與解法
根據(jù)題目的要求,求一維數(shù)組中的最長遞增子序列,也就是找一個標號的序列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
根據(jù)無后效性的定義我們知道,將各階段按照一定的次序排列好之后,對于某個給定的階段狀態(tài)來說,它以前各階段的狀態(tài)無法直接影響它未來的決策,而只能間接地通過當前的這個狀態(tài)來影響。換句話說,每個狀態(tài)都是歷史的一個完整總結(jié)。
同樣的,仍以序列1,-1,2,-3,4,-5,6,-7為例,我們在找到4之后,并不關(guān)心4之前的兩個值具體是怎樣,因為它對找到6沒有直接影響。因此,這個問題滿足無后效性,可以通過使用動態(tài)規(guī)劃來解決。
可以通過數(shù)字的規(guī)律來分析目標串:1,-1,2,-3,4,-5,6,-7。
使用i來表示當前遍歷的位置
當i=1時,顯然,最長的遞增序列為(1),序列長度為1.
當i=2是,由于-1<1。因此,必須丟棄第一個值后重新建立串。當前的遞增序列為(-1),長度為1。
當i=3時,由于2>1,2>-1。因此,最長的遞增序列為(1,2),(-1,2),長度為2。在這里,2前面是1還是-1對求出后面的遞增序列沒有直接影響。(但是在其它情況下可能有影響)
依此類推之后,我們得出如下的結(jié)論。
假設(shè)在目標數(shù)組array[]的前i個元素中,最長遞增子序列的長度為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個元素可以接在LIS[k]長的子序列后面構(gòu)成一個更長的子序列。于此同時array[i+1]本身至少可以構(gòu)成一個長度為1的子序列。
根據(jù)上面的分析,就可以得到代碼清單:
C++代碼:
復制代碼 代碼如下:
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(vector<int> &array)
{
int *a = new int[array.size()];
for(int i = 0; i < array.size(); i++)
{
a[i] = 1;//初始化默認的長度
for(int j = 0; j < i; j++) //前面最長的序列
{
if(array [i] > array [j] && a[j] + 1 > a[i]) //當前數(shù)字比第j個大,且標記數(shù)組需要更新
{
a[i] = a[j] + 1;
}
}
}
return Max(a, array.size());
}
這種方法的時間復雜度為O(N2 + N) = O(N2)
解法二
在前面的分析中,當考察第i+1個元素的時候,我們是不考慮前面i個元素的分布情況的。現(xiàn)在我們從另一個角度分析,即當考察第i+1個元素的時候考慮前面i個元素的情況。
對于前面i個元素的任何一個遞增子序列,如果這個子序列的最大的元素比array[i+1]小,那么就可以將array[i+1]加在這個子序列后面,構(gòu)成一個新的遞增子序列。
比如當i=4的時候,目標序列為1,-1,2,-3,4,-5,6,-7最長遞增序列為(1,2),(-1,2)。
那么,只要4>2,就可以把4直接增加到前面的子序列中形成一個新的遞增子序列。
因此,我們希望找到前i個元素中的一個遞增子序列,使得這個遞增子序列的最大的元素比array[i+1]小,且長度盡量地長。這樣將array[i+1]加在該遞增子序列后,便可以找到以array[i+1]為最大元素的最長遞增子序列。
仍然假設(shè)在數(shù)組的前i個元素中,以array[i]為最大元素的最長遞增子序列的長度為LIS[i]。
同時,假設(shè):
長度為1的遞增子序列最大元素的最小值為MaxV[1];
長度為2的遞增子序列最大元素的最小值為MaxV[2];
……
長度為LIS[i]的遞增子序列最大元素的最小值為MaxV[LIS[i]];
本循環(huán)不變式P是:
P:k是序列a[0:i]的最長遞增子序列的長度,0≤i<n。
容易看出,在由i-1到i的循環(huán)中,a[i]的值起關(guān)鍵作用。如果a[i]能擴展序列a[0;i-1]的最長遞增子序列的長度,則k=k+1,否則k不變。設(shè)a[0;i-1]中長度為k的最長遞增子序列的結(jié)尾元素是a[j](0≤j≤i-1),則當a[i]≥a[j]時可以擴展,否則不能擴展。如果序列a[0;i-1]中有多個長度為k的最長遞增子序列,那么需要存儲哪些信息?容易看出,只要存儲序列a[0;i-1]中所有長度為k的遞增子序列中結(jié)尾元素的最小值b[k]。因此,需要將循環(huán)不變式P增強為:
P:0≤i<n;k是序列a[0;i]的最長遞增子序列的長度;
b[k]是序列a[0;i]中所有長度為k的遞增子序列中最小結(jié)尾元素值。
相應(yīng)地,歸納假設(shè)也增強為:已知計算序列a[0;i-1](i<n)的最長遞增子序列的長度k以及序列a[0;i]中所有長度為k的遞增子序列中的最小結(jié)尾元素值b[k]的正確算法。
增強歸納假設(shè)后,在由i-1到i的循環(huán)中,當a[i]≥b[k]時,k=k+1,b[k]=a[i],否則k值不變。注意到當a[i]≥b[k]時,k值增加,b[k]的值為a[i]。那么,當a[i]<b[k]時,b[l;k]的值應(yīng)該如何改變?如果a[i]<b[l],則顯然應(yīng)該將b[l]的只改變?yōu)閍[i],當b[l]≤a[i]≤b[k]時,注意到數(shù)組b是有序的,可以用二分搜索算法找到下標j,使得b[j-1]≤a[i]≤b[j]。此時,b[1;j-1]和b[j+1;k]的值不變,b[j]的值改變?yōu)閍[i]。
復制代碼 代碼如下:
/* Finds longest strictly increasing subsequence. O(n log k) algorithm. */
template<typename T> vector<int> find_lis(vector<T> &a)
{
vector<int> b, p(a.size());//b是存儲遞增序列長度為k的最后元素下標
//比如b[1]是存儲遞增子序列最大元素的最小值的下標
//b是存儲最長子序列的下標
int u, v;
if (a.size() < 1)
return b;
b.push_back(0);
for (int i = 1; i < (int)a.size(); i++)
{
if (a[b.back()] < a[i])
{
p[i] = b.back();
b.push_back(i);
continue;
}
for (u = 0, v = b.size()-1; u < v;) //二分搜索
{
int c = (u + v) / 2;
if (a[b[c]] < a[i])
u=c+1;
else v=c;
}
if (a[i] < a[b[u]])
{
if (u > 0)
p[i] = b[u-1];
b[u] = i;
}
}
for (u = b.size(), v = b.back(); u--; v = p[v])
b[u] = v;
return b;
}
相關(guān)文章
VS2022 CUDA環(huán)境配置的實現(xiàn)步驟
本文主要介紹了VS2022 CUDA環(huán)境配置的實現(xiàn)步驟,文中通過圖文示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2023-05-05C語言經(jīng)典例程100例(經(jīng)典c程序100例)
這篇文章主要介紹了C語言經(jīng)典例程100例,經(jīng)典c程序100例,學習c語言的朋友可以參考一下2018-03-03C++ STL關(guān)聯(lián)式容器自定義排序規(guī)則的2種方法
這篇文章主要介紹了C++ STL關(guān)聯(lián)式容器自定義排序規(guī)則的2種方法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2021-03-03