/*转载大牛的程序: 先放着-_-nlogn的最大上升子序列长度算法 传统的最大上升子序列采用n2的动态规划算法,就求解一个最大上升子序列的具体序列来说,暂时找不到更快的算法,但是如果只需要求解这个序列的长度,则存在一个更快的算法,复杂度是nlog2n。
对于一个序列a[0]...a[n],设F[i]表示到第i个数为止的最大上升子序列,我们考虑如这种情况,存在0<=y<x<i=n,若满足
(1) y<x<i;
(2) a[x]<a[y]<a[i];
(3) |F[x]| == |F[y]|;
(4) a[j] < a[x], y < j < x
则此时F[i]应该由F[x]扩展而来,因为可能存在z满足
(1) y<x<z<i;
(2) a[x]<a[z]<a[y]<a[i]
(3) z < min{j | a[j]>a[y], j > x}
则此时用F[x]扩展得到F[i]将长于F[y]扩展得到的子序列。 由此可得出结论,原序列第i个元素之前最长子序列的解可能存在很多,但我们只需要尽可能使得那个最长子序列的最后一个元素的值最小,就能向后扩展得到原串最长子序列。
求解的过程依然是一个动态规划的过程,我们采用一个数组d[k],来描述到状态i时长度为k的子序列最后一个元素的最小值。从状态i-1转移到状态i时,a[i]的加入影响到数组中的d[k],k满足
k = max{a[i]>d[j]} + 1
此时有
d[k] = min{d[k], a[i]}
由此我们会发现数组d一个明显的特征,即d是一个单调上升的序列,利用这个特性,我们可以采用二分法来查找k的值,这样使得整体的时间复杂度从原来的n2变为nlog2n,但是在设计过程中应该要注意到数组d的首元素和尾元素的处理。最后,我们所需要的值就是在末状态时d数组的最大下标值,这里值得注意的是数组d的下表的最大值应该是在变化的——反观定义则可明显地得到这个特性。
一下是一段源代码,测试过一个小数据,设计中发现整个算法的难点在于二分法查找的设计。*/