单个序列问题
示例1:最长递增子序列(不连续)
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
-10^4 <= nums[i] <= 10^4
思路
一般来说,子序列是不连续的,子数组是连续的。
本题是求不连续的子序列,且要求递增,说明i+1需要用到nums[i]的状态。
DP数组含义
DP数组定义为,以nums[i]为结尾的子序列,最长严格递增长度为dp[i]。
递推公式
递推为:
for(int i=1;i<nums.size();i++){
for(int j=0;j<i;j++){
if(nums[i]>nums[j]){
dp[i]=max(dp[i],dp[j]+1);//这里的递推公式,一定要区分”最长递增子数组“的递推!
}
}
}
初始化
初始化直接全部定义为1即可,因为最长递增子序列最短情况为1.
遍历顺序
因为递推公式从左到右递推,i基于i-1的状态,因此是正序遍历
完整版
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
vector<int>dp(nums.size(),1);
int result=1;
for(int i=1;i<nums.size();i++){
for(int j=0;j<i;j++){
if(nums[i]>nums[j]){
dp[i]=max(dp[i],dp[j]+1);
}
}
result=max(result,dp[i]);
}
//return dp[nums.size()-1];不能这么写,原因在下面
return result;
}
};
注意返回值问题
注意:本题的DP数组定义为”以nums[i]
为结尾的序列,其严格递增子序列的长度",这是因为本题要判断是否递增,因此实际上是对于每一个nums[i],都进行了nums[i]是否大于j的判断,这个序列是以nums[i]为结尾的,因为递增的判断中i+1一定要用到i的状态。
如果我们将返回值写成
return dp[nums.size()-1];
就会出现如下的情况:
实际上最长递增序列应该为[1,3,6,7,9,10],但是如果return最后一个DP数组元素,那么结果就是[1,3,4,5,6]!因为这道题的写法,就是需要以nums[i]为结尾,i+1才能对i的状态进行判断!
因此return必须写为所有DP数组遍历过程中的最大值,即result。
区分示例1:最长递增子数组
给你一个整数数组 nums
,找到其中最长严格递增子数组的长度。
子数组指的是连续的序列。
区别:递推公式
需要特别注意,如果是子数组,那么是连续的结果,递推应该写成:
for(int i=1;i<nums.size();i++){
if(nums[i]>nums[i-1]){
dp[i]=dp[i-1]+1;//DP数组定义也是以Nums[i]为结尾,因为是连续
}
result=max(result,dp[i]);
}
return result;
这个公式是求解的连续的递增序列,因此只关注当前元素和它前一个的元素之间的关系,即要求当前元素必须大于它前一个元素。
但是,如果是子序列,子序列是非连续的,我们需要考虑的是当前元素和它之前所有元素之间的关系!如果当前元素大于之前的某个元素,那么当前元素就可以在该元素的基础上构成一个更长的递增子序列。所以,如果是不连续的递增子序列,递推公式应该是:
for(int i=1;i<nums.size();i++){
for(int j=0;j<i;j++){
dp[i]=max(dp[i],dp[j]+1);//以Nums[i]为结尾的序列 最长递增子序列长度
}
result=max(result,dp[i]);
}
return result;
也就是说,我们在不连续的递增子序列问题中,需要考虑每个元素(nums[i]
)与其之前的所有元素(nums[j]
)。如果nums[i]
大于nums[j]
,我们就更新dp[i]
为dp[j] + 1
和dp[i]
中的较大值,这样可以保证**dp[i]
始终表示以nums[i]
结尾的最长递增子序列的长度**。然后,我们再更新最长递增子序列的长度result
。
示例2:最长连续递增序列(连续)
给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。
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 <= 10^4
-10^9 <= nums[i] <= 10^9
完整版
- 本题实际上就是”连续递增子数组“,也就是上面提到的与示例1区分的情况。
lass Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
vector<int>dp(nums.size(),1);
int res=1;
for(int i=1;i<nums.size();i++){
if(nums[i]>nums[i-1]){
dp[i]=dp[i-1]+1;
}
res=max(res,dp[i]);
}
return res;
}
};
示例3:最大子数组和(连续)
给你一个整数数组 nums
,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
子数组 是数组中的一个连续部分。
示例 1:
输入:nums = [-2,1,-3,4,-1,2,1,-5,4]
输出:6
解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。
示例 2:
输入:nums = [1]
输出:1
示例 3:
输入:nums = [5,4,-1,7,8]
输出:23
提示:
1 <= nums.length <= 10^5
-10^4 <= nums[i] <= 10^4
思路
本题有贪心和DP两种解法,此处只写DP解法,贪心解法见博客:
DAY53:动态规划(十八)最长公共子序列+不相交的线+最大子序列和_大磕学家ZYX的博客-CSDN博客
因为是找具有最大和的连续子数组,那么这个连续子数组一定要包含nums[i]!因此本题DP数组定义依然是”以nums[i]为结尾的连续子数组的和为dp[i]“
DP数组含义
以nums[i]为结尾的连续子数组,最大和为dp[i]
递推公式
以nums[i]为结尾,那么这个连续子数组要么是前面的数组+nums[i],要么就只有nums[i]自己
for(int i=0;i<nums.size();i++){
dp[i]=max(dp[i-1]+nums[i],nums[i]);
}
初始化
dp[0]即为Nums[0],其他均为0
完整版
class Solution {
public:
int maxSubArray(vector<int>& nums) {
vector<int>dp(nums.size(),0);
dp[0]=nums[0];
int result=dp[0];
for(int i=1;i<nums.size();i++)