Leetcode 300.最长递增子序列
题目链接:Leetcode 300.最长递增子序列
题目描述: 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。
思路: 本题第一反应是暴力循环遍历,但是时间复杂度很高,于是想到了利用动态规划优化。
dp[i]
:表示i
之前包括i
的以nums[i]
结尾的最长递增子序列的长度- 递推公式:
dp[i] = max(dp[i], dp[j] + 1)
- 初始化:每个元素本身至少构成一个递增子序列,因此初始化为
1
- 遍历顺序:由于
dp[i]
是根据0 ~ i - 1
确定的,因此需要从前向后遍历
代码如下:
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
vector<int> dp(nums.size(), 1); // 初始化
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);
}
if (dp[i] > result)
result = dp[i]; // 保存最长的子序列
}
return result;
}
};
- 时间复杂度: O ( n 2 ) O(n^2) O(n2)
- 空间复杂度: O ( n ) O(n) O(n)
Leetcode 674. 最长连续递增序列
题目链接:Leetcode 674. 最长连续递增序列
题目描述: 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。
思路: 本题相较于上道题,多了连续这一条件,难度大幅下降。因为我们只需要遍历一次数组,利用贪心思想。局部最优:比较相邻两个元素是否递增;全局最优:最长连续递增序列。
代码如下:(贪心)
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
int result = 1;
int cnt = 1;
for (int i = 1; i < nums.size(); i++) {//遍历数组
if (nums[i] > nums[i - 1]) cnt++;//统计连续递增个数
else cnt = 1;//不满足则重新计数
if (cnt > result) result = cnt; //记录结果
}
return result;
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( 1 ) O(1) O(1)
同样的,本题也可以利用动态规划解决,思路与上道题基本相同,不过简单的是:由于是判断连续递增子序列,因此可以只用一层for
循环。
代码如下:(动态规划)
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
vector<int> dp(nums.size(), 1);
int result = 1; // 记录最长的结果
for (int i = 1; i < nums.size(); i++) {
if (nums[i] > nums[i - 1])
dp[i] = dp[i - 1] + 1;
if (dp[i] > result)
result = dp[i];
}
return result;
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
Leetcode 718. 最长重复子数组
题目链接:Leetcode 718. 最长重复子数组
题目描述: 给两个整数数组 nums1
和 nums2
,返回两个数组中公共的、长度最长的子数组的长度 。
思路: 本题是一道经典题目,可以利用动态规划来解决。不过本题的dp
数组初始化不太好理解。
- 定义
dp[i][j]
:以下标i - 1
为结尾的A,和以下标j - 1
为结尾的B,最长重复子数组长度为dp[i][j]
。 - 递推公式:
dp[i][j] = dp[i - 1][j - 1] + 1
- 初始化:
dp[0][0] = 0
- 遍历方式:根据递推公式很容易知道是从前向后遍历
代码如下:
class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2) {
int n = nums1.size(), m = nums2.size();
vector<vector<int>> dp(n + 5, vector<int>(m + 5, 0));
int result = 0;//保存最长重复序列
for (int i = 1; i <= n; i++)
for (int j = 1; j <= m; j++) {
if (nums1[i - 1] == nums2[j - 1]) {
dp[i][j] = dp[i - 1][j - 1] + 1;
}
if (dp[i][j] > result)
result = dp[i][j];
}
return result;
}
};
- 时间复杂度: O ( n × m ) O(n × m) O(n×m)
- 空间复杂度: O ( n × m ) O(n × m) O(n×m)
总结: 最后一道题的滑动窗口方法还是不太理解,等二刷的时候再研究。
最后,如果文章有错误,请在评论区或私信指出,让我们共同进步!