题目大意

有 $n$ 个学生，每人有一个不同的运动能力值 $a_i$（1 到 $n$）。学生按顺序排成一列，老师从左到右依次评分，分数为 1 到 $n$ 的不同整数。

评分需要满足两个条件：

1. 能力约束：能力强的学生分数不能低于能力弱的学生
2. 顺序约束：右边的学生分数不能低于左边的学生

在满足条件的前提下，老师希望使用尽可能多的不同分数。

每节课后会有两个学生交换位置，需要求出每节课评分时最多能使用的不同分数种类。

解题思路

问题分析

这个问题可以转化为：给定一个排列，找到满足以下条件的最长序列的长度：

• 序列在原始排列中是递增的（顺序约束）
• 序列对应的能力值也是递增的（能力约束）

换句话说，我们需要找到排列和能力值序列的最长公共递增子序列。

关键观察

设 $pos[x]$ 表示能力值为 $x$ 的学生在队列中的位置。

条件可以重新解释为：

• 如果我们选择一个分数序列 $s_1, s_2, \ldots, s_k$，那么：
  1. $pos[s_1] < pos[s_2] < \cdots < pos[s_k]$（顺序约束）
  2. $s_1 < s_2 < \cdots < s_k$（能力约束）

因此，问题转化为：在能力值序列上，找到最长的递增子序列，使得这些能力值对应的位置也是递增的。

动态规划解法

设 $dp[i]$ 表示以能力值 $i$ 结尾的最长合法序列长度。

转移方程：

$$dp[i] = 1 + \max\{dp[j] \mid j < i \text{ 且 } pos[j] < pos[i]\} $$

这个 DP 可以在 $O(n^2)$ 时间内计算，但对于 $n \leq 10^6$ 来说太慢。

数据结构优化

我们需要维护一个数据结构，支持：

• 查询所有 $j < i$ 且 $pos[j] < pos[i]$ 的 $dp[j]$ 的最大值
• 插入 $dp[i]$ 到位置 $pos[i]$

这可以用树状数组（Fenwick Tree）或线段树来实现。

具体步骤：

1. 按能力值从小到大处理每个学生
2. 对于能力值 $i$，查询位置在 $pos[i]$ 之前的所有 $dp$ 值的最大值
3. $dp[i] = \text{查询结果} + 1$
4. 在位置 $pos[i]$ 更新值为 $dp[i]$

时间复杂度：$O(n \log n)$

处理交换操作

当两个学生交换位置时，我们需要动态维护这个 DP 值。

交换位置 $p$ 和 $q$ 的学生：

• 设这两个学生的能力值分别为 $x$ 和 $y$
• 交换 $pos[x]$ 和 $pos[y]$
• 重新计算所有受影响的 $dp$ 值

但是直接重新计算所有受影响的 $dp$ 值在最坏情况下是 $O(n)$ 的，对于 $z \leq 300000$ 来说不可行。

优化策略

观察 1：答案的单调性

交换操作通常只会影响局部的 $dp$ 值，整体答案变化不大。

观察 2：只更新必要的值

当交换 $pos[x]$ 和 $pos[y]$ 时，只有能力值在 $x$ 和 $y$ 之间的学生可能受到影响。

具体来说，需要重新计算：

• 能力值在 $[\min(x,y), \max(x,y)]$ 范围内的学生
• 这些学生的 $dp$ 值可能依赖于交换的两个位置

高效实现

1. 使用平衡树或线段树维护每个位置的 $dp$ 值
2. 交换时，只重新计算受影响区间内的 $dp$ 值
3. 使用懒惰传播或增量更新来优化

代码框架

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

const int MAXN = 1000005;

int n, z;
int a[MAXN], pos[MAXN], dp[MAXN];

// 树状数组用于查询前缀最大值
struct Fenwick {
    vector<int> tree;
    int size;
    
    Fenwick(int n) : size(n), tree(n + 1, 0) {}
    
    void update(int idx, int val) {
        while (idx <= size) {
            tree[idx] = max(tree[idx], val);
            idx += idx & -idx;
        }
    }
    
    int query(int idx) {
        int res = 0;
        while (idx > 0) {
            res = max(res, tree[idx]);
            idx -= idx & -idx;
        }
        return res;
    }
};

int solve() {
    Fenwick bit(n);
    int ans = 0;
    
    // 按能力值从小到大处理
    for (int i = 1; i <= n; i++) {
        dp[i] = bit.query(pos[i]) + 1;
        bit.update(pos[i], dp[i]);
        ans = max(ans, dp[i]);
    }
    
    return ans;
}

void swap_students(int p, int q) {
    // 交换位置p和q的学生
    int x = a[p], y = a[q];
    swap(a[p], a[q]);
    swap(pos[x], pos[y]);
}

int main() {
    ios::sync_with_stdio(false);
    cin.tie(0);
    
    cin >> n >> z;
    for (int i = 1; i <= n; i++) {
        cin >> a[i];
        pos[a[i]] = i;
    }
    
    // 输出第一节课的答案
    cout << solve() << "\n";
    
    for (int i = 1; i < z; i++) {
        int p, q;
        cin >> p >> q;
        swap_students(p, q);
        
        // 这里需要优化：只重新计算受影响的部分
        // 简化版本：直接调用solve()（对于小数据）
        cout << solve() << "\n";
    }
    
    return 0;
}

进一步优化

对于大数据（$n, z \leq 300000$），需要更精细的实现：

1. 局部更新：只重新计算受交换影响的学生
2. 批量处理：将多个交换操作一起处理
3. 分摊复杂度：使用更高效的数据结构

算法标签

• 动态规划
• 树状数组/线段树
• 最长递增子序列
• 数据结构优化
• 交换操作处理

复杂度分析

• 初始解法：$O(n \log n)$
• 每次交换：最优可达到 $O(\log n)$ 或 $O(\log^2 n)$
• 总复杂度：$O((n + z) \log n)$

这个问题的难点在于高效处理动态的交换操作，需要巧妙的数据结构设计和局部更新策略。