动态规划法求解最长递增子序列问题

最新推荐文章于 2026-06-19 11:15:12 发布

原创最新推荐文章于 2026-06-19 11:15:12 发布 · 4.3k 阅读

18 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

算法

当前文章被收录于：

算法

27 篇文章 15 人学习

总结一些重要的算法

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文详细解析了最长递增子序列问题的求解方法，通过动态规划算法，逐步分解并解决子问题，最终找到序列中最长递增子序列的长度。提供了具体的算法实现步骤与示例，帮助读者理解并掌握这一经典算法问题。

一、求解最长递增子序列问题
1、问题描述
给定一个无序的整数序列a[0…n-1]，求其中最长递增子序列的长度。
例如，a[]={2，1，5，3，6，4，8，9，7}，n=9，
其最长递增子序列为{1，3，4，8，9}，结果为5。
例如，a[]={5, 2, 8, 6, 3, 6, 9, 7},n=8,
其最长递增子序列分别是{2, 3, 6, 9}和{2, 3, 6, 7}，结果为4。
2、问题分析
（1）第1步：划分子问题
设L(i)表示a[0…i]中以a[i]结尾的最长递增子序列的长度。问题转化为求L(0), L(1), … ,L(n-1) 中的最大值。
而对于L(i)来讲， L(0), L(1), … ,L(i-1)都是L(i)的子问题。
（2）第2步：建立动态规划函数
在这里插入图片描述

3、算法设计

//问题表示
int a[]={2，1，5，3，6，4，8，9，7};
int n=sizeof(a)/sizeof(a[0]);
//求解结果表示
int ans=0;
int dp[MAX];
void solve(int a[]，int n)
{  int i，j;
   for(i=0;i<n;i++)
   {  dp[i]=1;
      for(j=0;j<i;j++)
      {  if (a[i]>a[j])
           dp[i]=max(dp[i]，dp[j]+1);
      }
   }
   ans=dp[0];
   for(i=1;i<n;i++)
     ans=max(ans，dp[i]);
}