2021-04-04 LeetCode300.最长递增子序列

LeetCode300.最长递增子序列

动态规划：

递增子序列问题，因为如果一个子序列是递增，则它前面的序列也一定为增，例：若[2,3,7,101]满足为递增，则[2,3,7]必然为增，因此此题可以用dp。
1.确定状态： 需要一个一维的数组，每个下标为i的位置存储的为从第0个到第i个中最长子序列的长度。
2.转移方程： 每个递增子序列必须保证递增，递增子序列每增加一个数，最长长度就加一。因此，状态转移方程为：dp[i] = Math.max(dp[j] + 1, dp[i]).j是不大于i的指针，从0开始扫描，寻找比nums[i]小的数。
3. 初始条件: 每一个单独的数都是长度为1的递增子序列。因此，dp[i]等于1。
4.计算顺序: 从左往右，依次扫描。
   java代码如下：

class Solution {
    public int lengthOfLIS(int[] nums) {
        int len = nums.length;
        int[] dp = new int[len];
        int max = 0;
        for (int i = 0; i < len ; i++) {
            dp[i] = 1; //初始条件
            for (int j = 0; j < i ; j++) {
                if (nums[i] > nums[j]) { //状态转移方程
                    dp[i] = dp[j] + 1 > dp[i] ? dp[j] + 1 : dp[i];
                }
            }
            if (dp[i] > max) { //刷新最大值
                max = dp[i];
            }
        }
        return max;
    }
}

两重for循环，所以时间复杂度O(n^2),
用到了一维数组，所以空间复杂度O(n)。

二分查找：

创建一个新数组，保存最大子序列，因为要最大子序列，因此我们新数组中的每个值应该尽可能的小，以达到后面可以加上更多的数。
方法：从左往右扫描原数组，利用java中的Arrays.binarySearch()进行二分搜索插入新数组中，若扫描到的值比新数组中最大的值还要大，则加入到新数组最后一个位置，同时maxLen += 1。若比最大的值要小，则找到比它小，但是后一个数比它大的位置，替换掉那个比它大的，实现每个数尽可能小的目的。

class Solution {
    public int lengthOfLIS(int[] nums) {
        int n = nums.length;
        int[] b = new int[n];
        int len = 0,index;
        for (int num : nums) { //进行二分查找
            index = Arrays.binarySearch(b, 0, len, num);
            if (index < 0) { //防止出现重复的情况
                index = -(index + 1);
            }
            b[index] = num;
            if (index == len) { //若比新数组最大的还大，则更新len
                len++;
            }
        }    
        return len;
    }
}

二分搜索时间复杂度为O(logn),for循环时间复杂度为O(n)，因此嵌套后时间复杂度为O(nlogn).
用到了一维数组，所以空间复杂度为O(n)。