LIS(nlogn)算法描述//线性DP经典类型
题目描述
某国为了防御敌国的导弹袭击,发展出一种导弹拦截系统。但是这种导弹拦截系统有一个缺陷:虽然它的第一发炮弹能够到达任意的高度,但是以后每一发炮弹都不能高于前一发的高度。某天,雷达捕捉到敌国的导弹来袭。由于该系统还在试用阶段,所以只有一套系统,因此有可能不能拦截所有的导弹。
输入导弹依次飞来的高度(雷达给出的高度数据是\le 50000≤50000的正整数),计算这套系统最多能拦截多少导弹,如果要拦截所有导弹最少要配备多少套这种导弹拦截系统。
输入格式
11行,若干个整数(个数\le 100000≤100000)
输出格式
22行,每行一个整数,第一个数字表示这套系统最多能拦截多少导弹,第二个数字表示如果要拦截所有导弹最少要配备多少套这种导弹拦截系统。
输入输出样例
389 207 155 300 299 170 158 65
6
2
说明/提示
为了让大家更好地测试n方算法,本题开启spj,n方100分,nlogn200分
看了几篇博客,讲的都是最长上升子序列的nlogn 解法:只是简单的讲了是 贪心+DP
贪心 :大部分是这样证明的:
当你从一串数中构造一个最长子序列,在选择数时 要尽量选择最大的数字作为下一个数字,因为大的数字为后续选择提供了更多选择,从而使序列变得更长;
当你这次选的数字比正在构造的最后一个数字大时,找到比你这次选的数字小于等于的地方,用这个数字替换原先存在的数字,而且,在这个替换的数字后的数字不要删掉。
形如下面这个样例:
这个样例展示的是《《《最长不上升子序列》》》
一组样例:
//90 103 99 83 102 70 86 70 99 71
//结果是:5
在构造的序列变化是:
90
103
103 99
103 99 83
103 102 83
103 102 83 70
103 102 86 70
103 102 86 70 70
103 102 99 70 70
103 102 99 71 70 //显然最后得到的不一定是真实应该得到的子序列;
103 99 83 70 70//真实应该得到的子序列
明显可以看出:真实的子序列中的数字都是曾经在此位置的数字。

将这个位置替换,其实只是在原先位置更换了一个新的用于比较的标签,因为这个新的标签更大,为后边提供了更长的可能。
此题AC代码:lower_bound(begin(),end(),x,greater<int>()); 通过greater<int>()改变比较方向。
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
vector<int>a,b,c; int main ()
{
int num,n=0;
while(cin>>num)
{
n++;
a.push_back(num);
}
n--;
for(int i=0;i<=n;i++)
{
int it=upper_bound(b.begin(),b.end(),a[i],greater<int>())-b.begin();
//cout<<it<<endl;
if(it==b.size())
b.push_back(a[i]);
else
{
b[it]=a[i];
}
int itn=lower_bound(c.begin(),c.end(),a[i])-c.begin();
if(itn==c.size())
c.push_back(a[i]);
else
c[itn]=a[i];
}
//for(auto itm:b)
// cout<<itm<<endl;
cout<<b.size()<<endl;
cout<<c.size();
return 0;
}
一个变式题目:
N位同学站成一排,音乐老师要请其中的(N-KN−K)位同学出列,使得剩下的KK位同学排成合唱队形。
合唱队形是指这样的一种队形:设K位同学从左到右依次编号为1,2,…,K1,2,…,K,他们的身高分别为T_1,T_2,…,T_KT1,T2,…,TK, 则他们的身高满足T_1<...<T_i>T_{i+1}>…>T_K(1 \le i \le K)T1<...<Ti>Ti+1>…>TK(1≤i≤K)。
你的任务是,已知所有N位同学的身高,计算最少需要几位同学出列,可以使得剩下的同学排成合唱队形。
输入格式
共二行。
第一行是一个整数N(2 \le N \le 100)N(2≤N≤100),表示同学的总数。
第二行有nn个整数,用空格分隔,第ii个整数T_i(130 \le T_i \le 230)Ti(130≤Ti≤230)是第ii位同学的身高(厘米)。
输出格式
一个整数,最少需要几位同学出列。
输入输出样例
8
186 186 150 200 160 130 197 220
4
数据范围非常小,可以枚举任何一个值,左边取最长上升子序列,右边取最长下降子序列
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
int a[105];
int n;
int lis_1(int m)
{
vector<int>b;
for(int i=1;i<=m;i++)
{
int it=lower_bound(b.begin(),b.end(),a[i])-b.begin();
if(it==b.size())
b.push_back(a[i]);
else
b[it]=a[i];
}
return b.size();
}
int lis_2(int m)
{
vector<int>c;
for(int i=m;i<=n;i++)
{
int it=lower_bound(c.begin(),c.end(),a[i],greater<int>())-c.begin();
if(it==c.size())
c.push_back(a[i]);
else
c[it]=a[i];
}
return c.size();
} int main ()
{ cin>>n;
int ans=n;
for(int i=1;i<=n;i++)
cin>>a[i];
for(int i=1;i<=n;i++)
{
ans=min(ans,n+1 - lis_1(i) - lis_2(i));
}
cout<<ans<<endl; return 0;
}
LIS(nlogn)算法描述//线性DP经典类型的更多相关文章
- lis nlogn算法
当前所在位的最长上升子序列只和前面一个字符有关 #include <iostream> #include <algorithm> using namespace std; ]; ...
- POJ 1631 Bridging signals(LIS O(nlogn)算法)
Bridging signals Description 'Oh no, they've done it again', cries the chief designer at the Waferla ...
- nyoj44 子串和 线性DP
线性DP经典题. dp[i]表示以i为结尾最大连续和,状态转移方程dp[i] = max (a[i] , dp[i - 1] + a[i]) AC代码: #include<cstdio> ...
- 线性DP总结(LIS,LCS,LCIS,最长子段和)
做了一段时间的线性dp的题目是时候做一个总结 线性动态规划无非就是在一个数组上搞嘛, 首先看一个最简单的问题: 一,最长字段和 下面为状态转移方程 for(int i=2;i<=n;i++) { ...
- 最长上升子序列(LIS)长度的O(nlogn)算法
最长上升子序列(LIS)的典型变形,熟悉的n^2的动归会超时.LIS问题可以优化为nlogn的算法.定义d[k]:长度为k的上升子序列的最末元素,若有多个长度为k的上升子序列,则记录最小的那个最末元素 ...
- 1. 线性DP 300. 最长上升子序列 (LIS)
最经典单串: 300. 最长上升子序列 (LIS) https://leetcode-cn.com/problems/longest-increasing-subsequence/submission ...
- 线性DP LIS浅谈
LIS问题 什么是LIS? 百度百科 最长上升子序列(Longest Increasing Subsequence,LIS),在计算机科学上是指一个序列中最长的单调递增的子序列. 怎么求LIS? O( ...
- AT2827 最长上升子序列LIS(nlogn的DP优化)
题意翻译 给定一长度为n的数列,请在不改变原数列顺序的前提下,从中随机的取出一定数量的整数,并使这些整数构成单调上升序列. 输出这类单调上升序列的最大长度. 数据范围:1<=n<=10 ...
- 线性DP详解
顾名思义,线性DP就是在一条线上进行DP,这里举一些典型的例子. LIS问题(最长上升子序列问题) 题目 给定一个长度为N的序列A,求最长的数值单调递增的子序列的长度. 上升子序列B可表示为B={Ak ...
随机推荐
- 【SpringBoot1.x】SpringBoot1.x 安全
SpringBoot1.x 安全 文章源码 环境搭建 SpringSecurity 是针对 Spring 项目的安全框架,也是 SpringBoot 底层安全模块默认的技术选型.他可以实现强大的 we ...
- 3.利用jmeter制作性能脚本
jmeter录制脚本示例 jmeter手工脚本编写与调试 业务逻辑实现之逻辑控制器 业务脚本参数化实现 jmeter处理cookie beanshell脚本 ...
- IE浏览器直接在页面中显示7z文件而不是下载问题解决
IE浏览器中输入7z文件的完整下载URL后,不是保存文件,而是直接在页面中显示(当然是乱码) 这是因为浏览器对不同的资源文件处理的方式不同,例如图片文件,一般会直接打开,所以我们可以不用7z,使用zi ...
- uni-app 微信小程序 picker 三级联动
之前做过一个picker的三级联动功能,这里分享代码给大家 具体代码: // An highlighted block <template> <view> <picker ...
- linux搭建ARM可调式环境
0x00 前言 本文中所介绍的方法目前只测试了单个的demo,并没有拿大型的项目做测试,但是应该是大同小异.这里介绍两种方法,一种是有独立的ARM硬件,另一种是依靠qemu实现的模拟化,其实其本质都是 ...
- 使用git上传代码到github远程仓库
一.新建代码库注册好github登录后,首先先在网页上新建代码库. 点击右上角"+"→New repository 进入如下页面:按照要求填写完成后,点击按钮创建代码库创建成功. ...
- moco框架加入cookies
一.带cookie信息的get请求 注意:cookie是放在request里的,一般登录的场景这些会用到 1.代码 2.接口管理工具添加 注意:cooike的域和路径都要添加 二.带cookie信息的 ...
- python_3 装饰器参数之谜
装饰器参数之谜 之前已经初步了解过装饰器了,知道了装饰器可以"偷梁换柱",在不改变函数的调用方式和函数内容的时候,而把函数的功能偷偷地修改. 那么问题来了,如果被修改的函数中有参数 ...
- (005)每日SQL学习:关于物化视图的一系列创建等语句
--给用户授权 GRANT CREATE MATERIALIZED VIEW TO CDR; --创建物化视图的表日志(具体到某个表,物化视图中用到几个表就需要建立几个日志):当用FAST选项创建物化 ...
- (转载)微软数据挖掘算法:Microsoft 关联规则分析算法(7)
前言 本篇继续我们的微软挖掘算法系列总结,前几篇我们分别介绍了:微软数据挖掘算法:Microsoft 决策树分析算法(1).微软数据挖掘算法:Microsoft 聚类分析算法(2).微软数据挖掘算法: ...