674. 最长连续递增序列(贪心+动态规划)
674. 最长连续递增序列
连续递增的子序列 可以由两个下标 l 和 r(l < r)确定,如果对于每个 l <= i < r,都有 nums[i] < nums[i + 1] ,那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是连续递增子序列。
示例 1:
输入:nums = [1,3,5,4,7] 输出:3 解释:最长连续递增序列是 [1,3,5], 长度为3。 尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的,因为 5 和 7 在原数组里被 4 隔开。
示例 2:
输入:nums = [2,2,2,2,2] 输出:1 解释:最长连续递增序列是 [2], 长度为1。
提示:
1 <= nums.length <= 104-109 <= nums[i] <= 109
解法一:(贪心解法)
1 class Solution { 2 public: 3 int findLengthOfLCIS(vector<int>& nums) { 4 int n = nums.size(); 5 if (n <= 1) { 6 return n; 7 } 8 int maxCnt = 1; 9 int cnt = 1; 10 for (int i = 1; i < n; i++) { 11 if (nums[i - 1] < nums[i]) { 12 cnt++; 13 } else { 14 cnt = 1; 15 } 16 maxCnt = max(maxCnt, cnt); 17 } 18 return maxCnt; 19 } 20 };
解法二:(动态规划)
1)确定dp数组以及下标的含义(确定状态):
dp[i]:以下标 i 为结尾的数组的连续递增的子序列长度为dp[i]。
注意这里的定义,一定是以下标 i 为结尾,并不是说一定以下标0为起始位置。
确定递推公式
当 nums[i] > nums[i-1] 时: nums[i] 可以接在 nums[i-1] 之后(此题要求严格连续递增),此情况下最长上升子序列长度为 dp[i-1] + 1 ;
当 nums[i] <= nums[i-1] 时: nums[i] 无法接在 nums[i-1] 之后,此情况上升子序列不成立,跳过。
上述所有 1. 情况 下计算出的dp[i-1]+1 的最大值,为直到 i 的最长上升子序列长度(即 dp[i] )。
2) 转移方程:
dp[i] = dp[i-1] + 1) 。
3) 初始状态:
dp[i] 所有元素置 1,含义是每个元素都至少可以单独成为子序列,此时长度都为 1。
4) 确定遍历顺序
从递推公式上可以看出, dp[i]依赖dp[i-1],所以一定是从前向后遍历。
注意这里就体现出和 300.最长递增子序列 的区别!
因为本题要求连续递增子序列,所以就必要比较 nums[i + 1]与 nums[i],而不用去比较 nums[j]与nums[i] (j是在0到i之间遍历)。
转自:
链接:https://leetcode-cn.com/problems/longest-continuous-increasing-subsequence/solution/zui-chang-lian-xu-di-zeng-xu-lie-by-kino-on97/
1 class Solution { 2 public: 3 int findLengthOfLCIS(vector<int>& nums) { 4 int n = nums.size(); 5 if (n <= 1) { 6 return n; 7 } 8 vector<int> dp(n + 1, 1); 9 int ans = 1; 10 for (int i = 1; i < n; i++) { 11 if (nums[i -1] < nums[i]) { 12 dp[i] = dp[i - 1] + 1; 13 } 14 ans = max(ans, dp[i]); 15 } 16 return ans; 17 } 18 };
浙公网安备 33010602011771号