for(int i = 1;i < n; i <<=1)
for(int j = 0; j < i; j++)
这个嵌套循环:1+2+4+…+2^[log(n-1)]=2^[logn]-1=O(n);
for(int i = 0; i < = n; i ++){
for(int j = 1; j < i; j+=j)
...}
为O(logn*2^logn)。
现在又遇到了大O界O(n*logn)
我们知道log1+log2+log3+…+logn的确界为n*logn,现在看看这个大O界:
分析如下:
O(nlogn)的算法关键是它建立了一个数组c[],c[i]表示长度为i的不下降序列中结尾元素的最小值,用K表示数组目前的长度,算法完成后K的值即为最长不下降子序列的长度。
具体点来讲:
设当前的以求出的长度为K,则判断a[i]和c[k]:
3.1.如果a[i]>=c[k],即a[i]大于长度为K的序列中的最后一个元素,这样就可以使序列的长度增加1,即K=K+1,然后现在的c[k]=a[i];
如果a[i]<c[k],那么就在c[1]...c[k]中找到最大的j,使得c[j]<a[i],然后因为c[j]<a[i],所以a[i]大于长度为j的序列的最后一个元素,那么就可以更新长度为j+1的序列的最后一个元素,即c[j+1]=a[i]。
算法复杂度的分析:
因为共有n个元素要进行计算;每次计算又要查找n次,所以复杂度是O(n^2),但是,注意到c[]数组里的元素的单调递增的,所以我们可以用二分法,查找变成了logn次。这样算法的复杂度就变成了O(nlogn)。
include<iostream>
using namespace std;
int a[101],c[101];
int find(int len,int n){
int left=1,right=len,mid;
while(left<=right)
{
mid=(left+right)/2;
if(c[mid]==n) return mid;
else if(c[mid]>n) right=mid-1;
else if(c[mid]<n) left=mid+1;
}
return left;
}
int main()
{
int n,i,j,k,len;
cin>>n;
for(i=1;i<=n;i++)
cin>>a[i];
c[1]=a[1];
len=1;
for(i=1;i<=n;i++)
{
j=find(len,a[i]);
c[j]=a[i];
if(j>len)
len=j;
}
cout<<len;
system("pause");
return 0;
}