動態規劃(三)最長遞增子序列LIS、最大連續子序列和、最大連續子序列乘積
最長遞增子序列LIS
問題
給定一個長度為N的陣列,找出一個最長的單調自增子序列(不一定連續,但是順序不能亂)。例如:給定一個長度為6的陣列A{5, 6, 7, 1, 2, 8},則其最長的單調遞增子序列為{5,6,7,8},長度為4.
最長遞增子序列
O(NlgN)演算法
假設存在一個序列d[1..9] ={ 2,1 ,5 ,3 ,6,4, 8 ,9, 7},可以看出來它的LIS長度為5。
下面一步一步試著找出它。
我們定義一個序列B,然後令 i = 1 to 9 逐個考察這個序列。
此外,我們用一個變數Len來記錄現在最長算到多少了
首先,把d[1]有序地放到B裡,令B[1] = 2,就是說當只有1一個數字2的時候,長度為1的LIS的最小末尾是2。這時Len=1
然後,把d[2]有序地放到B裡,令B[1] = 1,就是說長度為1的LIS的最小末尾是1,d[1]=2已經沒用了,很容易理解吧。這時Len=1
接著,d[3] = 5,d[3]>B[1],所以令B[1+1]=B[2]=d[3]=5,就是說長度為2的LIS的最小末尾是5,很容易理解吧。這時候B[1..2] = 1, 5,Len=2
再來,d[4] = 3,它正好加在1,5之間,放在1的位置顯然不合適,因為1小於3,長度為1的LIS最小末尾應該是1,這樣很容易推知,長度為2的LIS最小末尾是3,於是可以把5淘汰掉,這時候B[1..2] = 1, 3,Len = 2
繼續,d[5] = 6,它在3後面,因為B[2] = 3, 而6在3後面,於是很容易可以推知B[3] = 6, 這時B[1..3] = 1, 3, 6,還是很容易理解吧? Len = 3 了噢。
第6個, d[6] = 4,你看它在3和6之間,於是我們就可以把6替換掉,得到B[3] = 4。B[1..3] = 1, 3, 4, Len繼續等於3
第7個, d[7] = 8,它很大,比4大,嗯。於是B[4] = 8。Len變成4了
第8個, d[8] = 9,得到B[5] = 9,嗯。Len繼續增大,到5了。
最後一個, d[9] = 7,它在B[3] = 4和B[4] = 8之間,所以我們知道,最新的B[4] =7,B[1..5] = 1, 3, 4, 7, 9,Len = 5。
於是我們知道了LIS的長度為5。
注意,這個1,3,4,7,9不是LIS,它只是儲存的對應長度LIS的最小末尾。有了這個末尾,我們就可以一個一個地插入資料。雖然最後一個d[9] = 7更新進去對於這組資料沒有什麼意義,但是如果後面再出現兩個數字 8 和 9,那麼就可以把8更新到d[5], 9更新到d[6],得出LIS的長度為6。
然後應該發現一件事情了:在B中插入資料是有序的,而且是進行替換而不需要挪動——也就是說,我們可以使用二分查詢,將每一個數字的插入時間優化到O(logN)~於是演算法的時間複雜度就降低到了O(NlogN)~!
程式碼如下(程式碼中的陣列B從位置0開始存資料)
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#define N 9 //陣列元素個數
int array[N] = {2, 1, 6, 3, 5, 4, 8, 7, 9}; //原陣列
int B[N]; //在動態規劃中使用的陣列,用於記錄中間結果,其含義三言兩語說不清,請參見博文的解釋
int len; //用於標示B陣列中的元素個數
int LIS(int *array, int n); //計算最長遞增子序列的長度,計算B陣列的元素,array[]迴圈完一遍後,B的長度len即為所求
int BiSearch(int *b, int len, int w); //做了修改的二分搜尋演算法
int main()
{
printf("LIS: %d\n", LIS(array, N));
int i;
for(i=0; i<len; ++i)
{
printf("B[%d]=%d\n", i, B[i]);
}
return 0;
}
int LIS(int *array, int n)
{
len = 1;
B[0] = array[0];
int i, pos = 0;
for(i=1; i<n; ++i)
{
if(array[i] > B[len-1]) //如果大於B中最大的元素,則直接插入到B陣列末尾
{
B[len] = array[i];
++len;
}
else
{
pos = BiSearch(B, len, array[i]); //二分查詢需要插入的位置
B[pos] = array[i];
}
}
return len;
}
//修改的二分查詢演算法,返回陣列元素需要插入的位置。
int BiSearch(int *b, int len, int w)
{
int left = 0, right = len - 1;
int mid;
while (left <= right)
{
mid = left + (right-left)/2;
if (b[mid] > w)
right = mid - 1;
else if (b[mid] < w)
left = mid + 1;
else //找到了該元素,則直接返回
return mid;
}
return left;//陣列b中不存在該元素,則返回該元素應該插入的位置
}
2.最大連續子序列和
問題
對於形如:int arr[] = { 1, -5, 3, 8, -9, 6 };的陣列,求出它的最大連續子序列和。
若陣列中全部元素都是正數,則最大連續子序列和即是整個陣列。
若陣列中全部元素都是負數,則最大連續子序列和即是空序列,最大和就是0。
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if(array.size()==0)
return 0;
int dp[array.size()];
dp[0]=array[0];
int result=array[0];
for(int i=1;i<array.size();i++)
{
dp[i]=max(array[i],dp[i-1]+array[i]);
result=max(result,dp[i]);
}
return result;
}
};
3.最大連續子序列乘積
考慮到乘積子序列中有正有負也還可能有0,我們可以把問題簡化成這樣:陣列中找一個子序列,使得它的乘積最大;同時找一個子序列,使得它的乘積最小(負數的情況)。因為雖然我們只要一個最大積,但由於負數的存在,我們同時找這兩個乘積做起來反而方便。也就是說,不但記錄最大乘積,也要記錄最小乘積。
假設陣列為a[],直接利用動態規劃來求解,考慮到可能存在負數的情況,我們用maxend來表示以a[i]結尾的最大連續子串的乘積值,用minend表示以a[i]結尾的最小的子串的乘積值,那麼狀態轉移方程為:
maxend = max(max(maxend * a[i], minend * a[i]), a[i]);
minend = min(min(maxend * a[i], minend * a[i]), a[i]);
先考慮不連續的
思路:一維動態規劃
考慮到乘積子序列中有正有負也還可能有0,可以把問題簡化成這樣:
陣列中找一個子序列,使得它的乘積最大;同時找一個子序列,使得它的乘積最小(負數的情況)。
雖然只要一個最大積,但由於負數的存在,也要記錄最小乘積。碰到一個新的負數元素時,最小乘積相乘之後得到最大值。
程式碼:
int maxSuccessiveProduct(int num[], int n)
{
if(n < 1)
return INT_MIN;
int max_prod = num[0], min_prod = num[0];
int max_res = max_prod;
for(int i = 1; i < n; ++i)
{
int cur_prod1 = max_prod * num[i];
int cur_prod2 = min_prod * num[i];
max_prod = max(max_prod, max(cur_prod1, cur_prod2));
min_prod = min(min_prod, min(cur_prod1, cur_prod2));
max_res = max(max_prod, min_prod);
}
return max_res;
}
再考慮連續的
思路:
和不連續的差不多,不過要同時記錄當前子串的最大/最小乘積,如果最大的乘積<當前值,則開始新的子串。
程式碼:
int maxProduct(int A[], int n) {
int maxEnd = A[0];
int minEnd = A[0];
int maxResult = A[0];
for (int i = 1; i < n; ++i)
{
int end1 = maxEnd * A[i], end2 = minEnd * A[i];
maxEnd = max(max(end1, end2), A[i]); //和上面的不同在於,外層max的另一個引數是當前元素值
minEnd = min(min(end1, end2), A[i]);
maxResult = max(maxResult, maxEnd);
}
return maxResult;
}