Jestem odtwarzając mój algorytm z here, gdzie jego logika jest wyjaśnił:
dp[i, j] = same as before num[i] = how many subsequences that end with i (element, not index this time)
have a certain length
for i = 1 to n do dp[i, 1] = 1
for p = 2 to k do // for each length this time num = {0}
for i = 2 to n do
// note: dp[1, p > 1] = 0
// how many that end with the previous element
// have length p - 1
num[ array[i - 1] ] += dp[i - 1, p - 1] *1*
// append the current element to all those smaller than it
// that end an increasing subsequence of length p - 1,
// creating an increasing subsequence of length p
for j = 1 to array[i] - 1 do *2*
dp[i, p] += num[j]
można zoptymalizować *1*
i *2*
za pomocą binarnych drzew segmentu lub indeksowanych drzew. Zostaną one wykorzystane efektywnie przetwarzać następujące operacje na tablicy num
:
- Biorąc
(x, v)
dodać v
do num[x]
(dotyczy *1*
);
- Biorąc pod uwagę
x
, znajdź sumę num[1] + num[2] + ... + num[x]
(dotyczy *2*
).
To są trywialne problemy dla obu struktur danych.
Uwaga: ten będzie miał złożoność O(n*k*log S)
, gdzie S
jest górną granicą wartości w macierzy. To może, ale nie musi być wystarczająco dobre. Aby to zrobić, musisz znormalizować wartości swojej macierzy przed uruchomieniem powyższego algorytmu. Normalizacja oznacza konwersję wszystkich wartości tablicy na wartości mniejsze lub równe n
. Więc tak:
5235 223 1000 40 40
Staje:
4 2 3 1 1
Można to osiągnąć z pewnego rodzaju (zachować oryginalne indeksy).
Umysł pokazuje kod, który znalazłeś, który ma złożoność O (n * k * log (n))? – taocp
Link do topcoder został naprawiony. Możesz go tam znaleźć. –
Łatwiej jest o tym myśleć bez próby zrobienia tego z BIT od razu. Wyjaśnię tutaj: http://stackoverflow.com/questions/15057591/how-to- find-the-total-of-increasing-sub-sequences-of-certain-length- with/15058391#15058391 – IVlad