引入
给定一个数组arr,返回arr的最长严格递增子序列的长度
子数组是连续的,比如[1,3,5,7,9]的子数组有[1,3],[3,5,7]等等,但是[1,3,7]不是子数组。
示例: 输入: [10,9,2,5,3,7,101,18] 输出: 4 解释: 最长的上升子序列是 [2,3,7,101],它的长度是 4。
解题方法
使用动态规划的思想,用i遍历数组,然后用j遍历小于i的数据,如果i的数据大于j的数据而且dp[i]的长度小于dp[j]+1的长度,则记录下来;
其实知道解题的方法和递推公式,写起来就简单了,
D
(
x
)
=
{
m
a
x
(
d
p
[
j
]
+
1
,
d
p
[
i
]
)
,
0
<
=
j
<
i
且
a
r
r
[
j
]
<
a
r
r
[
i
]
1
,
0
<
=
j
<
i
且
a
r
r
[
j
]
>
a
r
r
[
i
]
D(x) = \begin{cases} max(dp[j]+1,dp[i] ), & 0<=j<i且arr[j]<arr[i] \\ 1,& 0<=j<i且arr[j]>arr[i] \\ \end{cases}
D(x)={max(dp[j]+1,dp[i]),1,0<=j<i且arr[j]<arr[i]0<=j<i且arr[j]>arr[i]
java代码
class Solution {
public int lengthOfLIS(int[] nums) {
if (nums.length == 0) {
return 0;
}
int[] dp = new int[nums.length];
dp[0] = 1;
int maxans = 1;
for (int i = 1; i < nums.length; i++) {
dp[i] = 1;
for (int j = 0; j < i; j++) {
if (nums[i] > nums[j]) {
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
maxans = Math.max(maxans, dp[i]);
}
return maxans;
}
}
复杂度分析
-
时间复杂度: O ( n 2 ) O(n^2) O(n2),其中 n 为数组 nums的长度。动态规划的状态数为 n,计算状态dp[i] 时,需要 O(n)的时间遍历 d p [ 0 … i − 1 ] d p [ 0 … i − 1 ] dp[0 \ldots i-1]dp[0…i−1] dp[0…i−1]dp[0…i−1]的所有状态,所以总时间复杂度为 O ( n 2 ) O(n^2) O(n2)
-
空间复杂度: O ( n ) O(n) O(n),需要额外使用长度为 n 的 dp 数组。