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
思路:
-
输入与边界检查:
- 如果输入的数组为空,则直接返回 0。
-
动态规划数组:
- 使用
vector<int> dp(n, 1)
来初始化动态规划数组dp
,其中n
是输入数组nums
的长度。每个位置初始化为 1,因为每个数字自身可以构成一个长度为 1 的递增子序列。
- 使用
-
双重循环:
- 外层循环遍历数组的每个元素
i
。 - 内层循环遍历
i
之前的每个元素j
,如果nums[j] < nums[i]
,则更新dp[i]
为max(dp[i], dp[j] + 1)
,表示找到一个新的子序列,其长度更长。
- 外层循环遍历数组的每个元素
-
结果返回:
- 最后,使用
max_element(dp.begin(), dp.end())
获取dp
数组中的最大值,即为最长递增子序列的长度。
- 最后,使用
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
if (nums.empty()) return 0;
int n = nums.size();
vector<int> dp(n, 1); // 初始化 dp 数组,每个元素初始为 1
for (int i = 0; i < n; ++i) {
for (int j = 0; j < i; ++j) {
if (nums[j] < nums[i]) { // 如果要求非严格递增,将 '<' 改为 '<=' 即可
dp[i] = max(dp[i], dp[j] + 1);
}
}
}
return *max_element(dp.begin(), dp.end()); // 返回 dp 数组中的最大值
}
};