求最长非降(递增)子序列LIS的长度,及注意事项
非降序列(Increasing Sequence)例如:
(1) 完全递增型序列:S={1,3,6,7,9}
(2) 部分存在等于的序列:S={1,3,3,6,9}
S的非降子序列:由原序列S的元素组成的(且保持元素之间的顺序不变的)组成的序列。
例如S={5,4,7,1,8,6}的子序列包括:
1个元素的:{5},{4},{7},{1},{8},{6} 等6个子序列
2个元素的:{5,7},{5,8},{5,6},{4,7},{4,8},{4,6},{7,8},{1, 8},{1,6} 等
3个元素的:{5,7,8},{4,7,8}
最长非降子序列(Longest Increasing Sequences,LIS),是S的所有非降子序列中包含元素最多的那些子序列,例如上述序列的最长子序列为{5,7,8}和{4,7,8}
而最长非降子序列的长度就是最长非降子序列的元素个数,例如上例中的最长非降子序列的长度为3。
求解序列S的最长非降子序列的长度通常采用动态规划算法:
设d(i)为前i个元素的最长非降子序列的长度,则d(i)=max{ d(j)+1}, 其中 0<=j<=i,且S[j]<S[i]。
然后写出类似这样的代码:
public static void LIS(int []S)
{
int []d=new int[S.length]; for(int i=0;i<S.length;i++)
{
d[i]=1;
for(int j=0;j<i;j++)
{
if(S[j]<=S[i] && d[j]+1<d[i])
{
d[i]=d[j]+1;
}
}
} for(int i=0;i<S.length;i++)
{
System.out.print(d[i]+" ");
}
}
然后,调用该LIS函数,求解。如
int[]seq={5,3,4,8,6,7};
LIS(seq);
会输出:1 1 2 3 3 4 ,代表包含前1个元素的LIS长度为1,包含前2个元素的子序列的LIS长度为1,包含前3个元素的子序列的LIS长度为2,。。。
需要注意的是:上述递推公式,d(i)=max{ d(j)+1}, 其中 0<=j<=i,且S[j]<S[i],只适用于以S[i]作为结尾元素的LIS序列。
而如果去掉以S[i]作为结尾元素这个条件,就不能这么求解。
例如int [ ]seq={5,4,7,1,8,6 }, 用上述程序求解,会输出1 1 2 1 3 2 (即d[3]=1 ,d[5]=2,分别代表包含前4个元素子序列的LIS长度为1,包含前6个元素子序列的LIS长度为2)。但其实包含前4个元素的子序列(即{5,4,7,1})的LIS的长度应该是2,即,d[3]=2, LIS={5,7}或{4,7}, 而 d[5] 应该是3。
问题出在,上述的程序要求LIS以S[i]作为结尾,即LIS的最大元素为S[i],这时d[i]=max{d[j],其中0<=j<=i }是没错的,但如果去掉这个限制条件,就用上面的程序求解就会出错。
那么,如何求解序列S的最长非降子序列的长度(不要求以S的最后一个元素作为LIS的最大元素)?
这通常需要转化为最长公共子序列(LCS)的问题。即:序列S的LIS= 将S排序后的有序序列S' 与 原序列S 的最长公共子序列。
例如,S={5,4,7,1,8,6 } 的LIS为{ 4,7,8 }或{ 5,7,8 },长度为3
对S排序后的S'={ 1,4,5,6,7,8}, S‘与 S的最长公共子序列就是{4, 7, 8 }和{ 5,7,8 }
所以,如何求解序列S的最长非降子序列的长度,首先需要进行排序,然后求LCS的长度即可。
示例代码:
public static void main(String[]args)
{
Scanner sc=new Scanner(System.in);
int n=sc.nextInt();
int []peaches=new int[n];
for(int i=0;i<n;i++)
{
peaches[i]=sc.nextInt();
}
int []copy=peaches.clone();
quickSort(peaches,0,n-1);
int lisLength=LCS(peaches,copy)
System.out.println("LIS length is"+lisLength);
} public static void quickSort(int []arr,int start,int end)
{
if(start>=end)
return;
int i=start;
int j=end;
int key=arr[i];
while(i<j)
{
while(i<j&&key<=arr[j])
{
j--;
}
arr[i]=arr[j];
while(i<j&&key>arr[i])
{
i++;
}
arr[j]=arr[i];
}
arr[i]=key;
quickSort(arr,start,i-1);
quickSort(arr,i+1,end);
} public static int LCS(int[]a,int[] b)
{
int [][]c=new int[a.length+1][b.length+1];
for(int i=1;i<=a.length;i++)
{
for(int j=1;j<=b.length;j++)
{
if(a[i-1]==b[j-1])
c[i][j]=c[i-1][j-1]+1;
else
c[i][j]=Math.max(c[i-1][j], c[i][j-1]);
}
}
return c[a.length][b.length];
}
如何求LCS的长度?看这里
求最长非降(递增)子序列LIS的长度,及注意事项的更多相关文章
- 最长非降/下降子序列问题(DP)(待续...)
注意:抽象成以下描述即为最长非降/下降子序列问题(一维状态) 问题描述:在一个无序的序列a1,a2,a3,a4…an里,找到一个最长的序列满足:(不要求连续) ai<=aj<=ak…< ...
- 最长非降子序列的N*logN解法
之前讲到过求最长非降子序列的O(N^2)解法. 链接 这次在原来的基础上介绍一下N*logN解法. 该解法主要是维护一个数组minValue,minValue[i]表示最长上身子序列长度为i的数的最小 ...
- 动态规划(DP),最长递增子序列(LIS)
题目链接:http://poj.org/problem?id=2533 解题报告: 状态转移方程: dp[i]表示以a[i]为结尾的LIS长度 状态转移方程: dp[0]=1; dp[i]=max(d ...
- 一个数组求其最长递增子序列(LIS)
一个数组求其最长递增子序列(LIS) 例如数组{3, 1, 4, 2, 3, 9, 4, 6}的LIS是{1, 2, 3, 4, 6},长度为5,假设数组长度为N,求数组的LIS的长度, 需要一个额外 ...
- DP:凑零钱问题/最长非降子序列(C++)
你给出一定数额的钱 i 元给我,我利用手中的硬币(m元, j元, k元...)兑换等值的钱给你,要求硬币数最少. 举例:给出1-11的钱,手中硬币有1元,3元,5元. 重点是找到状态和状态转移方程. ...
- 最长非降子序列的O(n^2)解法
这次我们来讲解一个叫做"最长非下降子序列"的问题及他的O(n^2)解法. 首先我们来描述一下什么是"最长非下降子序列". 给你一个长度为n的数组a,在数组a中顺 ...
- 算法之动态规划(最长递增子序列——LIS)
最长递增子序列是动态规划中最经典的问题之一,我们从讨论这个问题开始,循序渐进的了解动态规划的相关知识要点. 在一个已知的序列 {a1, a 2,...an}中,取出若干数组成新的序列{ai1, ai ...
- 最长回文子序列LCS,最长递增子序列LIS及相互联系
最长公共子序列LCS Lintcode 77. 最长公共子序列 LCS问题是求两个字符串的最长公共子序列 \[ dp[i][j] = \left\{\begin{matrix} & max(d ...
- 动态规划 - 最长递增子序列(LIS)
最长递增子序列是动态规划中经典的问题,详细如下: 在一个已知的序列{a1,a2,...,an}中,取出若干数组组成新的序列{ai1,ai2,...,aim},其中下标i1,i2,...,im保持递增, ...
随机推荐
- cmake安装jsoncpp
cd jsoncpp- mkdir -p build/debug cd build/debug cmake -DCMAKE_BUILD_TYPE=release -DBUILD_STATIC_LIBS ...
- C. Anton and Fairy Tale(数学推式子)
\(数学题,式子并不难推,但边界是真的烦\) \(\color{Red}{Ⅰ.其实可以发现,当m>=n时,每次都可以粮食补到n,所以一定是在第n天消耗完毕}\) \(\color{Purple} ...
- 前缀和(P2697 宝石串)
前言 每次做出来什么本来做不出的题目,就忍不住记录一下.不过大多时候隔几天来看,就发现,啊,我当时只是做了一道这么弱智的题目呀,哈哈.前缀和确实不算太难.. 传送门 题目大意: 给你一个字符串只含G和 ...
- Java 面向对象和封装
目录 面向对象思想的概述 类和对象的关系 什么是类 什么是对象 类和对象的关系 局部变量和成员变量的区别 this关键字 构造方法 一个标准的类 面向对象思想的概述 面向过程:当需要实现一个功能的时候 ...
- Spring Cloud 学习 之 Spring Cloud Eureka(概述)
Spring Boot版本:2.1.4.RELEASE Spring Cloud版本:Greenwich.SR1 前述: 服务治理可以说是微服务架构中最为核心和基础的模块,它主要用来实现各个微服务 ...
- 万盛酒店餐饮管理系统(SpringBoot,SSM,MySQL )
项目源码获取地址: 链接:https://pan.baidu.com/s/1ip0keQruE2crA8vm1n8ZXQ 提取码:kivb 复制这段内容后打开百度网盘手机App,操作更方便哦 [功能包 ...
- Boosting算法总结(ada boosting、GBDT、XGBoost)
把之前学习xgb过程中查找的资料整理分享出来,方便有需要的朋友查看,求大家点赞支持,哈哈哈 作者:tangg, qq:577305810 一.Boosting算法 boosting算法有许多种具体算法 ...
- 用Stream流轻易的收集数据
前言 在日常使用集合时,我们通常使用迭代器来处理集合中的数据,假如有一个用户列表 List,我们想要将用户按照性别分组生成 Map<String, List>.需要遍历 List,然后判断 ...
- FPGA六位共阳极数码管动态显示
`timescale 1ns/1ps module adc_dis( clk , rst_n , sm_seg , sm_bit ); input clk;//50HZ input rst_n; :] ...
- USACO 3.1 Contact
http://www.nocow.cn/index.php/Translate:USACO/contact 题目大意:给一个只含0和1的序列,统计每个子序列的重复次数,并按次数递减来输出 考虑子序列时 ...