最长递增子序列
作者：互联网
作者：Grey
原文地址： 最长递增子序列
问题描述
说明：这里的递增指的是严格递增，相等的时候不算递增。
暴力解法
dp[i]表示：
必须以i位置结尾的最长递增子序列是多少，如果求出了每个位置的
dp[i]值，最大的dp[i]值，就是最长递增子序列的长度
显而易见
dp[0] = 1; // 必须以0位置结尾的最长递增子序列显然是1
针对一个普遍位置i，dp[i]至少是1，那dp[i]还能扩多少呢？取决于[0,i)之间的位置j，如果arr[j] < arr[i]，那么dp[i]可以是dp[j]+1。每次来到i位置，都遍历一下[0,i)之间的j位置的值是否可以和arr[i]位置连成最长递增子序列，整个暴力解法的时间复杂度是O(N^2)。暴力解法的完整代码如下：
public class LeetCode_0300_LongestIncreasingSubsequence {
// 暴力解(O(N^2))
public static int lengthOfLIS(int[] arr) {
if (arr == null || arr.length == 0) {
return 0;
}
if (arr.length == 1) {
return 1;
}
int max = 1;
int[] dp = new int[arr.length];
dp[0] = 1;
for (int i = 1; i < arr.length; i++) {
// dp[i]至少是1
dp[i] = 1;
for (int j = 0; j < i; j++) {
dp[i] = Math.max(dp[i], arr[j] < arr[i] ? dp[j] + 1 : 1);
}
max = Math.max(dp[i], max);
}
return max;
}
}
O(N*logN)解法
设置两个数组，含义如下
dp数组
长度和原数组长度一样，
dp[i]表示必须以i结尾的，最长递增子序列有多长。
ends数组
长度和原数组长度一样，
ends[i]表示所有长度为i+1的递增子序列中最小结尾是什么。
举例说明
以下示例图采用Processon绘制，地址见：最长递增子序列
其中i初始指向0位置，用-表示dp和ends数组中都未填数据，开始遍历原始数组arr。
当i来到0位置，arr[i]=3，显然：dp[i]=1，此时，所有长度为0+1的递增子序列中最小结尾是3。所以ends[i]=3，i来到下一个位置1。
当i来到1位置，arr[1] = 2，用arr[1]的值去ends数组中做二分查找，找大于等于arr[1]的最左位置，即ends数组的0位置，因为ends[0] = 3表示：所有长度为1的递增子序列中的最小结尾是3，所以arr[1]=2无法成长为长度为2的递增子序列，arr[1] = 2只能成长为长度为1的最长递增子序列，将ends[0]位置的值从3改成2。ends[0]左边包含自己只有1个数，所以dp[1] = 1。i来到下一个2位置。
此时，arr[2] = 1，用arr[2]的值去ends数组中做二分查找，找大于等于arr[2]的最左位置，即ends数组的0位置，因为ends[0] = 2表示：所有长度为1的递增子序列中的最小结尾是2，所以arr[2]=1无法成长为长度为2的递增子序列，arr[2] = 1只能成长为长度为1的最长递增子序列，将ends[0]位置的值从2改成1。ends[0]左边包含自己只有1个数，所以dp[2] = 1。i来到下一个3位置。
此时，arr[3] = 2，用arr[3]的值去ends数组中做二分查找，找大于等于arr[3]的最左位置，没有找到，则可以扩充ends数组，因为ends[0] = 1表示：所有长度为1的递增子序列中的最小结尾是1，而现在的arr[3]=2，所以arr[3]=2有资格成长为长度为2的递增子序列，设置ends[1]=2，ends[1]左边包含自己有2个比自己小的数，所以dp[3]=2，i来到下一个4位置。
此时，arr[4] = 3，用arr[4]的值去ends数组中做二分查找，找大于等于arr[4]的最左位置，没有找到，则可以扩充ends数组，因为ends[1] = 2表示：所有长度为2的递增子序列中的最小结尾是2，而现在的arr[4]=3，所以arr[4]=3有资格成长为长度为3的递增子序列，设置ends[2]=3，ends[2]左边包含自己有3个比自己小的数，所以dp[4]=3，i来到下一个5位置。
此时，arr[5] = 0，用arr[5]的值去ends数组中做二分查找，找大于等于arr[5]的最左位置，即ends数组的0位置，因为ends[0] = 1表示：所有长度为1的递增子序列中的最小结尾是2，所以arr[5]=0无法成长为长度为2的递增子序列，arr[5] = 0只能成长为长度为1的最长递增子序列，将ends[0]位置的值从1改成0。ends[0]左边包含自己只有1个数，所以dp[5] = 1。i来到下一个6位置。
此时，arr[6] = 4，用arr[6]的值去ends数组中做二分查找，找大于等于arr[6]的最左位置，没有找到，则可以扩充ends数组，因为ends[2] = 3表示：所有长度为3的递增子序列中的最小结尾是3，而现在的arr[6]=4，所以arr[6]=4有资格成长为长度为4的递增子序列，设置ends[3]=4，ends[3]左边包含自己有4个比自己小的数，所以dp[6]=4，i来到下一个7位置。
此时，arr[7] = 6，用arr[7]的值去ends数组中做二分查找，找大于等于arr[7]的最左位置，没有找到，则可以扩充ends数组，因为ends[3] = 4表示：所有长度为4的递增子序列中的最小结尾是4，而现在的arr[7]=6，所以arr[7]=6有资格成长为长度为5的递增子序列，设置ends[4]=6，ends[4]左边包含自己有5个比自己小的数，所以dp[7]=5，i来到下一个8位置。
此时，arr[8] = 2，用arr[8]的值去ends数组中做二分查找，找大于等于arr[8]的最左位置，即ends数组的1位置，因为ends[1] = 2表示：所有长度为2的递增子序列中的最小结尾是2，所以arr[8]=2无法成长为长度为3的递增子序列，arr[8] = 2只能成长为长度为2的最长递增子序列，将ends[1]位置的值改成arr[8]中的这个2。ends[1]左边包含自己只有2个数，所以dp[8] = 2。i来到最后一个9位置。
arr[9] = 7，用arr[9]的值去ends数组中做二分查找，找大于等于arr[9]的最左位置，没有找到，则可以扩充ends数组，因为ends[4] = 6表示：所有长度为5的递增子序列中的最小结尾是6，而现在的arr[9]=7，所以arr[9]=7有资格成长为长度为6的递增子序列，设置ends[5]=7，ends[5]左边包含自己有6个比自己小的数，所以dp[9]=6，终止。
原始数组arr的最长递增子序列长度为6。
暴力解法中，来到每个i位置需要找一遍[0,i)，复杂度是O(N^2)，现在有了ends数组的辅助，用二分法加速了这一过程，所以，这个解法的复杂度是O(N*logN)。
完整代码如下
public class LeetCode_0300_LongestIncreasingSubsequence {
public static int lengthOfLIS(int[] arr) {
if (null == arr || arr.length == 0) {
return 0;
}
int N = arr.length;
int[] dp = new int[N];
int[] ends = new int[N];
dp[0] = 1;
ends[0] = arr[0];
int l;
int r;
int right = 0;
int max = 1;
for (int i = 0; i < N; i++) {
l = 0;
r = right;
while (l <= r) {
int m = (l + r) / 2;
if (arr[i] > ends[m]) {
l = m + 1;
} else {
r = m - 1;
}
}
right = Math.max(right, l);
dp[i] = l + 1;
ends[l] = arr[i];
max = Math.max(max, dp[i]);
}
return max;
}
}
更多
参考资料
标签：ends,int,递增,arr,序列,最长,dp 来源： https://www.cnblogs.com/greyzeng/p/16151833.html