蓝桥杯 DP 优化：从 O (n²) 到 O (n) 的滚动数组实战

蓝桥杯 DP 优化：从 $O(n\^2)$ 到 $O(n)$ 的滚动数组实战

问题背景

在动态规划中，当状态转移方程仅依赖前一层状态时，可通过滚动数组将空间复杂度从 $O(n\^2)$ 优化到 $O(n)$ 。以下以经典问题 最长上升子序列（LIS） 为例演示优化过程。

原始解法： $O(n\^2)$ 空间

状态定义 ：

$dp\[i\]$ 表示以第 $i$ 个元素结尾的最长上升子序列长度

状态转移 ：

dp\[i\] = \\max_{1 \\leq j \< i} \\{ dp\[j\] + 1 \\} \\quad (\\text{当} \\ a\[j\] \< a\[i\])

空间复杂度： $O(n)$ ，但计算每个 $dp\[i\]$ 需遍历 $i-1$ 个状态，总时间复杂度 $O(n\^2)$

python 复制代码

def lis_n2(a):
    n = len(a)
    dp = [1] * n  # 初始化
    for i in range(n):
        for j in range(i):
            if a[j] < a[i]:
                dp[i] = max(dp[i], dp[j] + 1)
    return max(dp)

滚动数组优化： $O(n)$ 空间

核心思想 ：

用一维数组动态维护 长度为 $k$ 的上升子序列的最小末尾值，记为 $tail\[k\]$ 。

优化步骤：

初始化 $tail = \[-\\infty\]$ （哨兵值）
遍历每个元素 a\[i\]：
- 若 $a\[i\] \> tail\[-1\]$ ：直接扩展序列（ $tail.append(a\[i\])$ ）
- 否则：二分查找第一个 $\\geq a\[i\]$ 的位置 $pos$ ，更新 $tail\[pos\] = a\[i\]$
结果： $len(tail) - 1$ （扣除哨兵）

时间复杂度 ： $O(n \\log n)$

空间复杂度： $O(n)$

python 复制代码

def lis_n(a):
    tail = [float('-inf')]  # 哨兵
    for x in a:
        if x > tail[-1]:
            tail.append(x)
        else:
            # 二分查找插入位置
            l, r = 1, len(tail)-1
            while l <= r:
                mid = (l + r) // 2
                if tail[mid] < x:
                    l = mid + 1
                else:
                    r = mid - 1
            tail[l] = x  # 更新该长度对应的最小末尾值
    return len(tail) - 1  # 扣除哨兵

关键分析

$tail$ 数组单调性
$tail\[k\] \< tail\[k+1\] \\quad (\\forall k \\geq 1)$
该性质保证二分查找的正确性。
状态转移优化

原始 $O(n\^2)$ 解法中，每个 $dp\[i\]$ 需遍历前 $i$ 个状态；优化后通过维护 $tail$ 数组，将状态转移降为 $O(\\log n)$ 。
滚动本质

$tail$ 数组动态更新：
- 当追加元素时，数组长度增加（状态升维）
- 当更新元素时，覆盖旧值（滚动覆盖）

适用场景

滚动数组优化适用于满足以下条件的 DP 问题：

状态转移仅依赖 前一层状态
状态维度存在 单调性（如 $tail$ 数组递增）
可通过 覆盖更新 丢弃历史数据

典型应用：背包问题、序列比对、路径计数等蓝桥杯常考题型。

通过这种优化，在 $n=10\^6$ 规模下，空间从 $4GB$ 降至 $8MB$ ，时间从 $O(10\^{12})$ 降至 $O(10\^6 \\log 10\^6)$ ，实现高效求解。