本文主要是介绍“序列优化探究：最长上升子序列的算法发现与应用“，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
最长上升子序列
最长上升子序列是指在一个给定序列中，找到一个最长的子序列，使得子序列中的元素单调递增。例如，序列 [1, 3, 5, 4, 7] 的最长上升子序列是 [1, 3, 5, 7]，长度为4。
这是一个经典的动态规划问题。
假设dp[i]表示以第i个元素为结尾的最长上升子序列的长度。
可以用一个嵌套循环来遍历所有的元素对，如果前一个元素小于后一个元素，则可以将后一个元素添加到前一个元素所在的最长上升子序列中，从而得到以第i个元素为结尾的最长上升子序列长度。
具体地，我们可以这样定义dp[i]：
for (int j = 0; j < i; j++)if nums[j] < nums[i]dp[i] = max(dp[i], dp[j] + 1)
其中，nums是给定的序列，dp[i]表示以nums[i]为结尾的最长上升子序列长度，j是i之前的元素。由于我们需要找到最长的上升子序列，因此最终的答案应该是dp数组中的最大值。
下面是一个使用动态规划求解LIS问题的C++代码：
代码（动态规划）
#include <bits/stdc++.h>
using namespace std;// 该函数求 nums 序列的最长子序列
int lengthOfLIS(vector<int>& nums) {int n = nums.size();// 特判空序列if (n == 0) return 0;// 状态数组，初始化成1，因为各个元素可以单独构成一个上升序列vector<int> dp(n, 1);// 从nums[1] 开始遍历整个数组for (int i = 1; i < n; i++) {// 从前往后比那里之前的元素for (int j = 0; j < i; j++) {// j 位置的元素值小于 i 位置的元素值，则 nums[i] 可以拼接在 nums[j] 后面if (nums[j] < nums[i]) { dp[i] = max(dp[i], dp[j] + 1);}}}// 状态数组中最大的值就是最长上升子序列的长度return *max_element(dp.begin(), dp.end());}int main() {vector<int> nums = {10, 9, 2, 5, 3, 7, 101, 18};int ans = lengthOfLIS(nums);cout << ans << endl;return 0;
}
在上面的代码中：
首先定义了一个长度为 n 的 dp 数组，将其初始化为 1，因为每个元素本身都可以构成一个长度为 1 的上升子序列。
然后，用两个嵌套的循环来遍历所有的元素对，如果前一个元素小于后一个元素，则可以将后一个元素添加到前一个元素所在的最长上升子序列中，从而得到以第i个元素为结尾的最长上升子序列长度。
最后，我们返回dp数组中的最大值作为最长上升子序列的长度。
上述算法的时间复杂度为O(n^2)，可以通过使用二分查找来将时间复杂度降为O(nlogn)。
具体来说，我们可以维护一个长度为 len 的子序列，其中 len 表示当前子序列的长度。
遍历所有的元素，如果当前元素比子序列中的最后一个元素还大，就将其添加到子序列的末尾，并将子序列长度加1。
否则，我们可以用二分查找找到子序列中第一个大于等于当前元素的位置，将该位置上的元素替换为当前元素，从而保证子序列仍然是上升的。
最终，子序列的长度就是最长上升子序列的长度。
下面是一个使用二分查找求解LIS问题的C++代码：
代码（二分优化）
#include <bits/stdc++.h>
using namespace std;// 该函数求 nums 序列的最长子序列
int lengthOfLIS(vector<int>& nums) {int n = nums.size();// 特判空序列if (n == 0) return 0;// 保存状态vector<int> dp;//依次遍历各个元素for (int i = 0; i < n; i++) {// 二分法找到第一个大于等于 nums[i] 的元素的位置int pos = lower_bound(dp.begin(), dp.end(), nums[i]) - dp.begin();// 如果没找到，就把 nums[i] 直接加入到 状态数组if (pos == dp.size()) {dp.push_back(nums[i]);} // 否则，用 nums[i] 替换该位置元素 else {dp[pos] = nums[i];}}// 状态数组的长度就是最长子序列的长度return dp.size();}int main() {vector<int> nums = {10, 9, 2, 5, 3, 7, 101, 18};int ans = lengthOfLIS(nums);cout << ans << endl;return 0;
}
在上面的代码中：
定义了一个空的dp数组，表示当前最长上升子序列。
对于每个元素，可以用lower_bound函数找到dp数组中第一个大于等于当前元素的位置pos。
然后将该位置上的元素替换为当前元素。如果pos等于dp的长度，表示当前元素比子序列中的所有元素都大，因此可以将其添加到子序列的末尾。
最终，子序列的长度就是最长上升子序列的长度。
时间复杂度为O(nlogn)，空间复杂度为O(n)。可以看到，使用二分查找算法的时间复杂度要比暴力算法低得多，因此在实际应用中更为常用。
Java代码
import java.util.*;
public class Main{public static void main(String[] args){Scanner scan = new Scanner(System.in);int N = 1010;int[] f = new int[N]; //以i为结尾的数的上升子序列中最大值int[] a = new int[N]; //数列int n = scan.nextInt();for(int i = 1 ; i <= n ; i ++ ){a[i] = scan.nextInt();}for(int i = 1 ; i <= n ; i ++ ){// 以i为结尾的数的上升子序列中最大值，每个数最低的个数就是1，所以将每一个数一开始初始化成1f[i] = 1; //求以i为结尾的最长上升子序列，就是求他的f[i - 1] 的最长上升子序列加上1，就是i本身for(int j = 1 ; j < i ; j ++){if(a[i] > a[j]) // 枚举前面的数，如果前面比i这个数小的就加1，一直加到枚举到i - 1f[i] = Math.max(f[i],f[j] + 1);} }int res = 0;for(int i = 1 ; i <= n ; i ++ ){res = Math.max(res,f[i]);}System.out.println(res);}
}
类型题：怪盗基德的滑翔翼
题目描述
怪盗基德是一个充满传奇色彩的怪盗，专门以珠宝为目标的超级盗窃犯。
而他最为突出的地方，就是他每次都能逃脱中村警部的重重围堵，而这也很大程度上是多亏了他随身携带的便于操作的滑翔翼。
有一天，怪盗基德像往常一样偷走了一颗珍贵的钻石，不料却被柯南小朋友识破了伪装，而他的滑翔翼的动力装置也被柯南踢出的足球破坏了。
不得已，怪盗基德只能操作受损的滑翔翼逃脱。
假设城市中一共有N幢建筑排成一条线，每幢建筑的高度各不相同。
初始时，怪盗基德可以在任何一幢建筑的顶端。
他可以选择一个方向逃跑，但是不能中途改变方向（因为中森警部会在后面追击）。
因为滑翔翼动力装置受损，他只能往下滑行（即：只能从较高的建筑滑翔到较低的建筑）。
他希望尽可能多地经过不同建筑的顶部，这样可以减缓下降时的冲击力，减少受伤的可能性。
请问，他最多可以经过多少幢不同建筑的顶部(包含初始时的建筑)？
分析
怪盗基德可以从任意一个楼房出发，只能向低的楼房跳，倒着看就是最长上升子序列，同时他可以向两个方向跳，因此需要正反两个方向求最长上升子序列，也可以一个方向分别求上升和下降。
代码
#include<bits/stdc++.h>
using namespace std;
const int N = 110;
int f[N],a[N],d[N];
int k,n;int main()
{scanf("%d",&k);while(k--){scanf("%d",&n);// memset(f,1,sizeof(f));// memset(a,0,sizeof(a));for(int i=1;i<=n;i++){f[i] = 1;d[i] = 1;scanf("%d",&a[i]);}for(int i=1;i<=n;i++)for(int j=1;j<i;j++){if(a[j]<a[i])f[i] = max(f[i],f[j]+1);if(a[j]>a[i])d[i] = max(d[i],d[j]+1);}int res = 0;for(int i=1;i<=n;i++)res = max(res,max(f[i],d[i]));printf("%d\n",res);}return 0;}
这篇关于“序列优化探究：最长上升子序列的算法发现与应用“的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
