动态规划系列之最长递增子序列问题解答

今天和大家分享的是动态规划经典问题:最长递增子序列问题解答。(似乎BAT等各大公司都喜欢在面试的时候对动态规划系列经典问题进行笔试。

题目描述:

给定一个整数序列:

求其最长递增子序列(LIS)。如果该序列的一个子序列

其满足且

那么该子序列称为该序列的递增子序列。最长递增子序列就是最长的递增子序列,可能不是唯一的。比如序列为5,2,8,6,3,6,9,7,那么其一个最长递增子序列为2,3,6,9。

思路分析

如果采用暴力穷举,那么时间复杂度是O(2^n),这是难以让人接收的。可以采用动态规划的方式,将问题拆分,我们可以考虑以某一个元素ak为结束元素的最长递增子序列,这里记其长度为L[k],如果我们把所有的情况都计算出来,找到最长的那么就是原问题的最长递增子序列。然后我们要考虑这个子问题是否可以用比其更小的问题递归出来。答案是可以的,如果我们已经知道了L[1],L[2],…,L[k-1],我们可以遍历它们,如果某个元素aj恰好是不大于ak,那么这个递增子序列可以后面加上生成新的递增子序列,并且长度为L[j]+1。我们遍历a1,a2……ak-1,找出最大值就是L[k]。递归公式为:

上面是可以计算出序列的最长递增子序列的长度,时间复杂度为O(n^2)。如果你想得到最终的最长递增子序列,那么可以记录上面递归公式中遍历时的最长情况下的前接元素索引,然后通过这些索引可以重构出最长递增子序列,具体可以参见下面的代码。

具体实现代码(C++)

vector<int> lis(const vector<int>& s)

{
 vector<int> ls(s.size(), 0);
 vector<int> ps(s.size(), -1);
 // 对于k=1
 ls[0] = 1;   // 只有一个元素
 ps[0] = -1;  // 无前接元素
 for (int i = 1; i < s.size(); ++i)
    {
 ls[i] = 1;  // 仅含有自己
 for (int j = 0; j < i; ++j)
        {
 if (s[j] <= s[i] && ls[i] < 1 + ls[j])
            {
 ls[i] = 1 + ls[j];
 ps[i] = j;
            }
        }
    }
 int pos = max_element(ls.begin(), ls.end()) - ls.begin(); // lis的最大元素位置
 vector<int> result;
 result.push_back(s[pos]);
 // 通过前接元素索引重构最长递增子序列
 while (ps[pos] != -1)
    {
 pos = ps[pos];
 result.push_back(s[pos]);
    }
 reverse(result.begin(), result.end());
 return result;
}

优化分析

前面的计算时间复杂度是O(n^2),那么有没有更高效的算法。我们先看看之前算法可以改进的地方,你要找到L[k],你必须要把前面的k-1个子问题遍历一遍,这个是O(n)的时间复杂度。由于前面k-1个问题是无序的,你不知道哪个子问题是最优的,所以我们要全部遍历。如果是有序的话,我们可以采用二分查找,那么时间复杂度将为O(logn)。我们考虑这样的子问题,假定a1,a2……ak-1的LIS为

L,并且我们维护了长度分别为1,2……L的递增子序列的末尾元素的最小值,这里递增子序列长度为i的末尾元素最小值记为M[i]。明显M序列是有序递增的。当加入元素ak时,如果M[l]≥ak,那么序列a1,a2……ak的LIS为L+1,且M[l+1]=ak。否则,你需要遍历M[1],M[2],…,M[l],找到第一个满足M[i]≥ak所对应的i,并且更新M[i]=ak,这时我们更新只是维持数组M的特性,这样后面继续加入新元素,可以重复前面的过程,但是其实元素ak的加入并不会为当前整个序列的LIS做贡献。由于M是有序的,那么可以采用二分查找方式,这样最终的时间复杂度为O(nlogn)。最后M的长度就等于最长递增子序列的长度,但是M并不是最长递增子序列,这点要注意。如果序列是4,1,6,2,8,5,7,3,其整个过程如下图所示:

最终实现代码如下:

vector<int> lis(const vector<int>& s)
{
 vector<int> m;
 // 初始化
 m.push_back(s[0]);
 for (int i = 1; i < s.size(); ++i)
    {
 // lis增加1
 if (s[i] >= m.back())
        {
 m.push_back(s[i]);
        }
 else
        {
 // 利用lower_bound函数找到第一个大于或等于s[i]的位置
            *lower_bound(m.begin(), m.end(), s[i]) = s[i];
        }
    }
 return m;
}

原文发布于微信公众号 - 机器学习算法全栈工程师(Jeemy110)

原文发表时间:2017-09-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏来自地球男人的部落格

[LeetCode] 152. Maximum Product Subarray

【原题】 Find the contiguous subarray within an array (containing at least one nu...

2215
来自专栏后端技术探索

视觉直观感受 7 种常用的排序算法

快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下,排序 n 个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较,但这种状况并不常见。...

1012
来自专栏Jack-Cui

150.Evaluate Reverse Polish Notation(Stack-Medium)

Evaluate the value of an arithmetic expression in Reverse Polish Notation. Valid...

20210
来自专栏云霄雨霁

排序----归并排序

1540
来自专栏人工智能LeadAI

为什么算法容易忘记之插入排序

在学习常用的排序算法时,常有这样的感觉,一看就懂,过眼就忘。原因在于没有将排序的基本思想与代码中各个循环控制变量的意义联系起来进行理解记忆。 插入排序 首先,我...

3565
来自专栏desperate633

深入理解python中的排序

进行一个简单的升序排列直接调用sorted()函数,函数将会返回一个排序后的列表:

861
来自专栏菩提树下的杨过

数据结构与算法C#版笔记--排序(Sort)-下

5、堆排序(HeapSort) 在接触“堆排序”前,先回顾一下数据结构C#版笔记--树与二叉树 ,其中提到了“完全二叉树”有一些重要的数学特性: ? 上图就是一...

2035
来自专栏积累沉淀

必须掌握的八种排序(7-8)--归并排序,基数排序

7、归并排序 (1)基本排序:归并(Merge)排序法是将两个(或两个以上)有序表合并成一个新的有序表,即把待排序序列分为若干个子序列,每个子序列是有序的。然后...

2295
来自专栏python学习之旅

算法笔记(六):计数排序和基数排序

        这里我是按自己的理解去实现的,时间复杂度和空间复杂度和算法导论上的可能不一样,感兴趣的话参考下就行,感觉最重要的还是算法思想。根据算法性能去实现...

2222
来自专栏令仔很忙

新手学JAVA(六)----处理随机性的数据

在我们的日常生活中会遇到很多随机性的事情,比如:摇奖,彩票,掷色子,这些都可以通过程序计算其中奖的概率。在JAVA的类库中,有一个专门操作这种随机性数据的类—-...

1112

扫码关注云+社区

领取腾讯云代金券