[ACM_动态规划] 最长上升子序列(LIS)
#include<iostream>
#include<algorithm>
using namespace std;
#define maxn 1000+5 int d[maxn],n,map[maxn][maxn]; //d[]用来存储以i结尾的最大长度,map[i][j]满足要求OK()关系的邻接矩阵
int A[maxn]; bool ok(int i,int j){
return j<i && A[j]<A[i];
} int dfs(int cur) //深搜,记忆化搜索
{
if( d[cur] > ) return d[cur];//已经找过的直接输出
d[cur] = ; //没找的先付初值1,然后深搜寻找
for(int i=;i<=n;i++)
{
if( map[cur][i] && d[cur] < dfs(i)+)
{
d[cur] = dfs(i)+;
}
}
return d[cur];
}
void out(int i) //反向追踪找到选取图形的标号
{
for(int j=;j<=n;j++)
{
if( map[i][j] && d[i] == d[j]+)
{
out(j);
break;
}
}
cout << A[i]<< " ";//放在上面是倒着输出,下面是睁着输出
} int main(){ for(;cin>>n && n;){ int i,j; for(i=;i<=n;i++){ //输入
cin>>A[i];
} memset(map,,sizeof(map)); //构造一个ok关系的0-1邻接矩阵
for(i=;i<=n;i++)
for(j=;j<=n;j++)
if(ok(i,j))
map[i][j]=; memset(d,,sizeof(d)); //深搜记忆化完成d[]表
for(i=;i<=n;i++){
dfs(i);
} int max=,ds; //找出d[]的最大值并用ds存储尾链位置
for(i=;i<=n;i++){
if(max<d[i]){
max=d[i];
ds=i;
}
} cout<<max<<'\n';
out(ds);cout<<'\n';
}
return ;
}
#include<iostream>
#include<algorithm>
using namespace std;
#define maxn 1000+5
#define INF 1<<31
int A[maxn],d[maxn],n;
void out(int i) //反向追踪找到选取图形的标号
{
for(int j=;j<=n;j++)
{
if(i>j && A[i]>A[j] && d[i] == d[j]+)
{
out(j);
break;
}
}
cout <<A[i]<< " ";
} int main(){
int i,j;
while(cin>>n){
memset(d,,sizeof(d)); int maxx=-INF,ds;
for(i=;i<=n;i++){
cin>>A[i]; int max=-INF;
for(j=;j<i;j++)
if(A[i]>A[j] && max<d[j])
max=d[j];
d[i]=(max==-INF ? : max+); if(maxx<d[i]){maxx=d[i];ds=i;}
} cout<<maxx<<'\n';
out(ds);
cout<<'\n';
}
}
[ACM_动态规划] 最长上升子序列(LIS)的更多相关文章
- 动态规划——最长上升子序列LIS及模板
LIS定义 一个数的序列bi,当b1 < b2 < … < bS的时候,我们称这个序列是上升的.对于给定的一个序列(a1, a2, …, aN),我们可以得到一些上升的子序列(ai1 ...
- 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 ...
- 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, ...
- 动态规划-最长上升子序列(LIS)
时间复杂度为〇(nlogn)的算法,下面就来看看. 我们再举一个例子:有以下序列A[]=3 1 2 6 4 5 10 7,求LIS长度. 我们定义一个B[i]来储存可能的排序序列,len为LIS长度. ...
- 动态规划--最长上升子序列(LIS)的长度
l例如:对于[3,1,4,2,5],最长上升子序列的长度是3 arr = [3,1,4,5,9,2,6,5,0] def lis(arr): #dp[i]表示第i个位置的值为尾的数组的最长递增子序列的 ...
- 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 ...
- nlog(n)解动态规划--最长上升子序列(Longest increasing subsequence)
最长上升子序列LIS问题属于动态规划的初级问题,用纯动态规划的方法来求解的时间复杂度是O(n^2).但是如果加上二叉搜索的方法,那么时间复杂度可以降到nlog(n). 具体分析参考:http://b ...
- 2.16 最长递增子序列 LIS
[本文链接] http://www.cnblogs.com/hellogiser/p/dp-of-LIS.html [分析] 思路一:设序列为A,对序列进行排序后得到B,那么A的最长递增子序列LIS就 ...
- 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 ...
随机推荐
- cv_prj2
Computer Vision Project 2 – Harris Corner Detector 姓名: 王兴路 学号: 3140102282 指导老师: 宋明黎 2016-12-16 19:30 ...
- 关于springmvc的配置文件
开发常用的springmvc.xml配置文件,spring 3.0 spring-servlet.xml配置. <?xml version="1.0" encoding=&q ...
- J2EE之oracle、mysql存储过程调用
最近几天在研究hibernate.JPA对存储过程的调用,主要是针对有返回结果集的存储过程的调用方法,个人感觉存储过程是个好东西,虽然说heibernate对数据访问封装的比较不错,再加上他的缓存机制 ...
- 给angularJs的service建模
先回顾一下我们遇到的问题: 通过一个dialogService创建对话框,并将该service的参数数据通过resolve的方式传递给对话框的controller. controller解析数据后放置 ...
- python 使用字符串名调用类以及调用类方法名
在python中,有时调用者仅知道类名和类方法,不负责实际的函数调用,而是将要调用的类名和类方法告诉一个中间函数,由中间函数负责实际调用函数.中间函数需以被告知的字符串调用类和类方法. ...
- ORACLE 查询一个数据表后通过遍历再插入另一个表中的两种写法
ORACLE 查询一个数据表后通过遍历再插入另一个表中的两种写法 语法 第一种: 通过使用Oracle语句块 --指定文档所有部门都能查看 declare cursor TABLE_DEPT and ...
- JS 获取FileUpload1控件地址
function openList() { //判断浏览器类型 var isIE = (document.all) ? true : false; ); ); ); var path = " ...
- VS非web项目使用Transformation配置文件
Web项目中的Transformation使用起来非常方便,特别是本地与服务器情况不一致时调试下以及webdeploy的配合使用. 步骤: 1. 在项目中新建App.Debug.Config及App. ...
- java 实现多个文件的Zip包的生成
最近在项目中遇到多个文件的达成Zip包,由于对这块不熟,在网上找到一个,现在忘了找的谁的,如果您发现了,请告诉我你的链接,我指明出处 下面是相关代码: package run.utils; impor ...
- 【转】浅谈html5网页内嵌视频
转自 http://www.pchou.info/web/2014/01/30/52ea01e13a7f1.html