/*轉載大牛的程序: 先放著-_-nlogn的最大上升子序列長度算法 傳統的最大上升子序列采用n2的動態規劃算法,就求解一個最大上升子序列的具體序列來說,暫時找不到更快的算法,但是如果只需要求解這個序列的長度,則存在一個更快的算法,復雜度是nlog2n。
對于一個序列a[0]...a[n],設F[i]表示到第i個數為止的最大上升子序列,我們考慮如這種情況,存在0<=y<x<i=n,若滿足
(1) y<x<i;
(2) a[x]<a[y]<a[i];
(3) |F[x]| == |F[y]|;
(4) a[j] < a[x], y < j < x
則此時F[i]應該由F[x]擴展而來,因為可能存在z滿足
(1) y<x<z<i;
(2) a[x]<a[z]<a[y]<a[i]
(3) z < min{j | a[j]>a[y], j > x}
則此時用F[x]擴展得到F[i]將長于F[y]擴展得到的子序列。 由此可得出結論,原序列第i個元素之前最長子序列的解可能存在很多,但我們只需要盡可能使得那個最長子序列的最后一個元素的值最小,就能向后擴展得到原串最長子序列。
求解的過程依然是一個動態規劃的過程,我們采用一個數組d[k],來描述到狀態i時長度為k的子序列最后一個元素的最小值。從狀態i-1轉移到狀態i時,a[i]的加入影響到數組中的d[k],k滿足
k = max{a[i]>d[j]} + 1
此時有
d[k] = min{d[k], a[i]}
由此我們會發現數組d一個明顯的特征,即d是一個單調上升的序列,利用這個特性,我們可以采用二分法來查找k的值,這樣使得整體的時間復雜度從原來的n2變為nlog2n,但是在設計過程中應該要注意到數組d的首元素和尾元素的處理。最后,我們所需要的值就是在末狀態時d數組的最大下標值,這里值得注意的是數組d的下表的最大值應該是在變化的——反觀定義則可明顯地得到這個特性。
一下是一段源代碼,測試過一個小數據,設計中發現整個算法的難點在于二分法查找的設計。*/