【动态规划】最长递增子序列
300. 最长递增子序列
给你一个整数数组 nums ,找到其中最长严格递增子序列的长度。
子序列是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其余元素的顺序。例如,[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。
示例 1:
输入:nums = [10,9,2,5,3,7,101,18]
输出:4
解释:最长递增子序列是 [2,3,7,101],因此长度为 4 。
示例 2:
输入:nums = [0,1,0,3,2,3]
输出:4
示例 3:
输入:nums = [7,7,7,7,7,7,7]
输出:1
提示:
1 <= nums.length <= 2500
-104 <= nums[i] <= 104
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/longest-increasing-subsequence
首先常规的O(n^2)的解法不难写出来,这里就不赘述了。直接上代码。执行时间74ms只能击败28%
class Solution {
public int lengthOfLIS(int[] nums) {
int dp[]=new int[nums.length];
Arrays.fill(dp,1);
int ans=1;
for(int i=0;i<nums.length;i++){
for(int j=0;j<i;j++){
if(nums[j]<nums[i]){
dp[i]=Math.max(dp[i],dp[j]+1);
}
}
}
for(int i=0;i<dp.length;i++){
ans=Math.max(dp[i],ans);
}
return ans;
}
}
O(NlogN)的解法直接参考labuladong的文章,便于记忆
动态规划设计之最长递增子序列
首先,给你一排扑克牌,我们像遍历数组那样从左到右一张一张处理这些扑克牌,最终要把这些牌分成若干堆。

处理这些扑克牌要遵循以下规则:
只能把点数小的牌压到点数比它大的牌上。如果当前牌点数较大没有可以放置的堆,则新建一个堆,把这张牌放进去。如果当前牌有多个堆可供选择,则选择最左边的堆放置。
比如说上述的扑克牌最终会被分成这样 5 堆(我们认为 A 的值是最大的,而不是 1)。

为什么遇到多个可选择堆的时候要放到最左边的堆上呢?因为这样可以保证牌堆顶的牌有序(2, 4, 7, 8, Q),证明略。

按照上述规则执行,可以算出最长递增子序列,牌的堆数就是我们想求的最长递增子序列的长度,证明略。

我们只要把处理扑克牌的过程编程写出来即可。每次处理一张扑克牌不是要找一个合适的牌堆顶来放吗,牌堆顶的牌不是有序吗,这就能用到二分查找了:用二分查找来搜索当前牌应放置的位置。
public int lengthOfLIS(int[] nums){
int[] top=new int[nums.length];
//牌堆初始化为0
int piles=0;
for(int i=0;i<nums.length;i++){
//要处理的扑克
int poker=nums[i];
//搜索左侧边界的二分查找,左闭右开
int left=0;
int right=piles;
while(left<right){
int mid=left+(right-left)/2;
if(top[mid]>poker){
right=mid;
}else if(top[mid]<poker){
left=mid+1;
}else {
right=mid;//继续探索左侧边界
}
}
//没找到合适的新开一堆牌
if(left==piles){
piles++;
}
//把这张牌放到牌堆顶
top[left]=poker;
}
return piles;
}
数组 top,用于保存最长上升子序列。
对原序列进行遍历,将每位元素二分插入top中。
如果 top 中元素都比它小,将它插到最后,相当于最长子序列长度又增加了1。
否则,用它覆盖掉比它大的元素中最小的那个。
通过这样的操作,模拟了,在k的位置,挨个跟k-1个数据比较,并且把长度加1。
总之,思想就是让 top中存储比较小的元素。这样,top 未必是真实的最长上升子序列,但长度是对的。

浙公网安备 33010602011771号