欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

【每日算法】最长递增子序列

程序员文章站 2022-03-26 17:43:35
学而不思则罔,思而不学则殆【每日算法】最长递增子序列题目解法1 排序+最长公共子序列法LCS解法2 动态规划法(时间复杂度O(N^2))参考题目题目:一个数组的最长递增子序列的个数比如:数组[4, 9, 9, 19, 17, 12, 19, 5, 3, 5]最长递增子序列是[4,9,12,19],长度为4解法1 排序+最长公共子序列法LCS其中排序最快的时间复杂度为O(logn)O(logn)O(logn)LCS的时间复杂度为O(n2)O(n^2)O(n2)所以整体时间负责度为O(n...

学而不思则罔,思而不学则殆


题目

题目:一个数组的最长递增子序列的个数
比如:数组[4, 9, 9, 19, 17, 12, 19, 5, 3, 5]
最长递增子序列是[4,9,12,19],长度为4

解法1 排序+最长公共子序列法LCS

其中排序最快的时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn)
LCS的时间复杂度为 O ( n 2 ) O(n^2) O(n2)
所以整体时间负责度为 O ( n 2 ) O(n^2) O(n2)
空间空间复杂度,由于需要辅助空间,所以为 O ( n 2 ) O(n^2) O(n2)
具体实现欢迎可以查看:【每日算法】最长公共子序列LCS,这里就不在过多介绍。

解法2 动态规划法(时间复杂度O(N^2))

假设长度为n的数组S{s0,s1,s2…sn-1},则假定以ai结尾的数组序列的最长子序列长度为L[i],则:
L [ i ] = { m a x ( L [ j ] ) + 1 if j<i and s[j] < s[i] L[i]= \begin{cases} max(L[j])+1 & \text {if j<i and s[j] < s[i]}\\ \end{cases} L[i]={max(L[j])+1if j<i and s[j] < s[i]
也就是说,我们需要遍历在j之前的所有位置i(从0到j-1),找出满足条件s[j]<s[i]的L(i),求出max(L[j])+1即为L[i]的值。最后,我们遍历所有的L[i](从0到n-1),找出最大值即为最大递增子序列。时间复杂度为 O ( N 2 ) O(N^2) O(N2)
同理我们可以得出最长非递减子序列的递推公式:
L [ i ] = { m a x ( L [ j ] ) + 1 if j<i and s[j] <= s[i] L[i]= \begin{cases} max(L[j])+1 & \text {if j<i and s[j] <= s[i]}\\ \end{cases} L[i]={max(L[j])+1if j<i and s[j] <= s[i]

最长递减子序列的递推公式:
L [ i ] = { m a x ( L [ j ] ) + 1 if j<i and s[j] > s[i] L[i]= \begin{cases} max(L[j])+1 & \text {if j<i and s[j] > s[i]}\\ \end{cases} L[i]={max(L[j])+1if j<i and s[j] > s[i]
最长非递增子序列的递推公式:
L [ i ] = { m a x ( L [ j ] ) + 1 if j<i and s[j] >= s[i] L[i]= \begin{cases} max(L[j])+1 & \text {if j<i and s[j] >= s[i]}\\ \end{cases} L[i]={max(L[j])+1if j<i and s[j] >= s[i]

参考

public class LISDemo {
    public static void main(String[] args) {
        int[] ints1 = create(10, 20);
        int maxLis = lis(ints1);
        System.out.println("ints1:" + Arrays.toString(ints1));
        System.out.println("maxLis:" + maxLis);
    }

    private static int[] create(int num, int range) {
        int[] ints = new int[num];
        Random random = new Random();
        for (int i = 0; i < num; i++) {
            ints[i] = random.nextInt(range);
        }
        return ints;
    }


    private static int lis(int[] values) {
        //辅助数组- 表示i结尾的数据LIS
        int[] flag = new int[values.length];
        Arrays.fill(flag, 1);
        flag[0] = 1;
        //记录最大
        int currentMax = 0;
        for (int i = 1; i < values.length; i++) {
            int current = values[i];
            for (int flagIndex = i - 1; flagIndex >= 0; flagIndex--) {
                //如果当前位置数据比比较点小
                if (current > values[flagIndex]) {
                    int tmpFlag = flag[flagIndex] + 1;
                    if (tmpFlag > flag[i]) {
                        flag[i] = tmpFlag;
                    }
                }
            }

            //记录最大长度
            if (flag[i] > currentMax) {
                currentMax = flag[i];
            }
        }
        System.out.println("flag:" + Arrays.toString(flag));
        return currentMax;
    }
}

范例1

flag:[1, 1, 1, 2, 3, 3, 2, 4, 1, 2]
ints1:[14, 6, 6, 12, 17, 13, 7, 19, 2, 7]
maxLis:4

最长的是4,对应的序列为[6,12,13,19]

范例2

flag:[1, 1, 1, 1, 2, 2, 3, 4, 3, 5]
ints1:[15, 13, 2, 0, 8, 7, 12, 16, 12, 19]
maxLis:5

最长的是5,对应的序列为[0,8,12,16,19]或者[2,7,12,16,19]或者[2,8,12,16,19]或者[0,7,12,16,19]

该算法主要是理解递推公式。

本文地址:https://blog.csdn.net/yuzhangzhen/article/details/109611178