最长公共子序列正确吗？

我只是编写了此实现,以便使用动态编程来找出longest increasing subsequence的长度.因此,对于输入为[10、22、9、33、21、50、41、60、80]的LIS为6,其中之一为[10、22、33、50、60、80].

当我运行以下代码时,我得到正确答案为6,复杂度为O(n).这是正确的吗？

def lis(a):
    dp_lis     = []
    curr_index = 0
    prev_index = 0

    for i in range(len(a)):
        prev_index = curr_index
        curr_index = i

        print 'if: %d < %d and %d < %d' % (prev_index, curr_index, a[prev_index], a[curr_index])
        if prev_index < curr_index and a[prev_index] < a[curr_index]:
            print '\tadd ELEMENT: ', a[curr_index]
            new_lis = 1 + max(dp_lis)
            dp_lis.append(new_lis)
        else:
            print '\telse ELEMENT: ', a[curr_index]
            dp_lis.append(1)

    print "DP LIST: ", dp_lis
    return max(dp_lis)

if __name__ == '__main__':
    a = [10, 22, 9, 33, 21, 50, 41, 60, 80]
    print lis(a)

解决方法:

使用算法的这种正确的,经过验证的但效率低下的实现来检查您的结果-这是标准的递归解决方案,它不使用动态编程：

def lis(nums):
    def max_length(i):
        if i == -1:
            return 0
        maxLen, curLen = 0, 0
        for j in xrange(i-1, -1, -1):
            if nums[j] < nums[i]:
                curLen = max_length(j)
                if curLen > maxLen:
                    maxLen = curLen
        return 1 + maxLen
    if not nums:
        return 0
    return max(max_length(x) for x in xrange(len(nums)))

检查your_lis(nums)== my_lis(nums)是否有尽可能多的具有数字的不同大小的输入列表,它们应该相等.在某些时候,对于长列表,我的实现将比您的慢得多.

作为进一步的比较,这是我自己优化的动态编程解决方案.它在O(n log k)时间和O(n)空间中运行,并返回沿其找到的实际最长的递增子序列：

def an_lis(nums):
    table, lis = lis_table(nums), []
    for i in xrange(len(table)):
        lis.append(nums[table[i]])
    return lis

def lis_table(nums):
    if not nums:
        return []
    table, preds = [0], [0] * len(nums)
    for i in xrange(1, len(nums)):
        if nums[table[-1]] < nums[i]:
            preds[i] = table[-1]
            table.append(i)
            continue
        minIdx, maxIdx = 0, len(table)-1
        while minIdx < maxIdx:
            mid = (minIdx + maxIdx) / 2
            if nums[table[mid]] < nums[i]:
                minIdx = mid + 1
            else:
                maxIdx = mid
        if nums[i] < nums[table[minIdx]]:
            if minIdx > 0:
                preds[i] = table[minIdx-1]
            table[minIdx] = i
    current, i = table[-1], len(table)
    while i:
        i -= 1
        table[i], current = current, preds[current]
    return table

标签：dynamic-programming,python,algorithm
来源： https://codeday.me/bug/20191031/1972120.html