前言
hello大家好啊,我是文宇。
今天是最后一篇算法(暂时性的,以后可能还有)
最长递增子序列(Longest Increasing Subsequence)
最长递增子序列(Longest Increasing Subsequence,简称LIS)是一个常见的算法问题,在计算机科学中具有重要的应用。LIS问题可以描述为:给定一个序列,找出其中最长的递增子序列。
在C++中,可以使用多种方法来解决LIS问题。下面将详细介绍两种常见的解法。
- 动态规划(Dynamic Programming)解法:
动态规划是一种常见的求解最优化问题的方法,该方法通常包含以下三个要素:最优子结构、重叠子问题和状态转移方程。
对于LIS问题,可以定义一个一维数组dp,其中dp[i]表示以第i个元素结尾的最长递增子序列的长度。初始时,将dp数组的所有元素初始化为1,表示每个单独的元素本身就是一个递增子序列。
然后,从第一个元素开始遍历,依次计算以当前元素结尾的最长递增子序列的长度。对于第i个元素,需要遍历该元素之前的所有元素j(0 <= j < i),如果当前元素大于前面的元素并且以第j个元素结尾的最长递增子序列的长度加1大于以第i个元素结尾的最长递增子序列的长度,则更新dp[i]。
最后,遍历dp数组,找出其中的最大值,即为最长递增子序列的长度。
下面是C++代码实现:
int lengthOfLIS(vector<int>& nums) {int n = nums.size();if (n == 0) return 0;vector<int> dp(n, 1);int maxLen = 1;for (int i = 1; i < n; i++) {for (int j = 0; j < i; j++) {if (nums[i] > nums[j] && dp[j] + 1 > dp[i]) {dp[i] = dp[j] + 1;}}maxLen = max(maxLen, dp[i]);}return maxLen;
}
- 二分查找(Binary Search)解法:
二分查找是一种常见的查找算法,它可以用来解决LIS问题。该方法的思路是维护一个递增的序列,遍历原始序列中的每个元素,将其插入到递增序列中的合适位置。
具体实现如下:
首先,定义一个数组tail,用于存储递增序列的元素。初始化时,将tail数组的第一个元素设置为原始序列的第一个元素。
然后,从原始序列的第二个元素开始遍历,对于每个元素,使用二分查找找到它在递增序列中的插入位置。如果找到了合适的位置,将该元素插入到对应的位置;否则,将它替换掉递增序列中比它大的第一个元素。
最后,返回递增序列的长度即可。
下面是C++代码实现:
int lengthOfLIS(vector<int>& nums) {int n = nums.size();if (n == 0) return 0;vector<int> tail;tail.push_back(nums[0]);for (int i = 1; i < n; i++) {if (nums[i] > tail.back()) {tail.push_back(nums[i]);} else {int left = 0, right = tail.size() - 1;while (left < right) {int mid = left + (right - left) / 2;if (tail[mid] >= nums[i]) {right = mid;} else {left = mid + 1;}}tail[left] = nums[i];}}return tail.size();
}
这两种方法都能够有效地解决LIS问题,它们的时间复杂度都为O(n^2),其中n为原始序列的长度。但是二分查找解法的时间复杂度可以通过使用辅助数组进行优化,将其降低到O(nlogn)。
以上是关于C++中最长递增子序列问题的详细解释和实现,希望能对你有所帮助。
结语
算法章完结。预告:下周会出 《一周速通c++(顺序,选择,循环篇)》。后面还有函数,数组,字符串等。