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)。