动态规划算法:最大上升子序列详解

博客详细介绍了如何使用动态规划解决求解最长上升子序列的问题。通过样例输入和解题思路,解释了如何逐步更新最大上升子序列的长度,并提供了对应的代码实现。

题目

  • 给定N个数,求这N个数的最长上升子序列的长度。

样例输入:
2 5 3 4 1 7 6
样例输出:
4

解题思路

将当前序列分解成一个个子问题,每一个子问题的最大上升子序列依据前面已求解出的最大值,若当前子问题中的最右节点小于前面某一结点的值,则取出该节点的最大上升子序列数值,当前子问题的上升子序列即为该数值+1,是否为当前子问题的最大上升子序列还要取决于是否是全部上升序列数值中最大的。以输入的样例为例,进行分析:

  • 首先每个位置的最大上升子序列max数组初始值为1,即序列中只有本身这一个元素。下面开始求max数组的值:
  1. 从索引1处开始判断,先比较sub[0]和sub[1]的值,sub[0]<sub[1],取max[0]的值为1,则当第0个数字在序列中时,第1个数字的上升子序列值是max[0]+1=2,将该值与原先的max[1]=1比较,取大值2,则max[1]=2。
  2. 判断索引2的元素:先比较sub[0]和sub[2]的值,sub[0]<sub[2],所以当第0个元素在上升序列时,上升序列的值是max[0]+1=2,与当前值max[2]=1比较,取大值2,则max[2]=2。然后比较sub[1]和sub[2],sub[1]>sub[2],退出比较。
  3. 判断索引3的元素:同上,比较第0个元素,由于sub[0]<sub[3],且max[3]<max[0]+1,所以max[3]=2。比较第1个元素,sub[1]>sub[3],退出。比较第2个元素,sub[2]<sub[3],且max[3]<max[2]+1,所以max[3]=3。
  4. 判断第4个元素:由于sub[0]、sub[1]、sub[2]、sub[3]都大于sub[4],所以max[4]保持不变,为1。
  5. 判断第5个元素:同上,比较第0个元素,由于sub[0]<sub[5],且max[5]<max[0]+1,所以max[5]=2。比较
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值