300.最长递增子序列
题目
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
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/longest-increasing-subsequence
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
题解思路
1>源代码
# dp
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
lens = len(nums)
dp = [1] * lens
for i in range(lens):
for j in range(i):
if(nums[j] < nums[i]):
dp[i] = max(dp[i], 1+dp[j])
return max(dp)
# 贪心+二分
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
d = []
for n in nums:
if not d or n > d[-1]:
d.append(n)
else:
l, r = 0, len(d) - 1
loc = r
while l <= r:
mid = (l + r) // 2
if d[mid] >= n:
loc = mid
r = mid - 1
else:
l = mid + 1
d[loc] = n
return len(d)
# 作者:LeetCode-Solution
# 链接:https://leetcode-cn.com/problems/longest-increasing-subsequence/solution/zui-chang-shang-sheng-zi-xu-lie-by-leetcode-soluti/
# 来源:力扣(LeetCode)
# 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
2>算法介绍
本题比较容易想到动态规划的方法,即维护一个数组dp[],其中dp[i]的值表示nums[0:i]这个子序列的最大递增子序列长(说起来有点绕口),dp[i]的初值应为1,因为即使整个序列倒序,最大子序列的长也应为1,即只含有一个元素。
对于nums[i]来说,对该元素左边的元素进行遍历。如果当前遍历的元素值nums[j]小于nums[i],则说明可以构造新的递增子序列,则dp[i] = dp[j] + 1。最终dp[i]的值应为所有遍历得到的最大值,所以代码如下:
for j in range(i):
if(nums[j] < nums[i]):
dp[i] = max(dp[i], 1+dp[j])
动态规划的方法比较直观,但是其时间复杂度为O(n^2),性能并不优秀。题解当中还给出了另一种解法,利用的是贪心算法+二分查找。
由于我们想要找到最长递增子序列,那么我们就希望递增的幅度越小越好。也就是说,[1,2]和[1,3]这两种递增子序列我们自然希望留下[1,2]。
基于以上思路,代码维护了一个列表d[i],表示长度为 i 的最长上升子序列的末尾元素的最小值,用len记录目前最长上升子序列的长度,初始情况下d[1] = nums[0]。
我们依次遍历数组nums[]中的每个元素,并更新数组d[]和len的值。如果nums[i]>d[len] 则更新 len = len + 1,否则在 d[1…len]中找满足d[i−1]<nums[j]<d[i] 的下标i,并更新d[i] = d[i]=nums[j]。
到这一步为止,相信接触过贪心算法的都能看明白,我在思考的时候也想到过用贪心算法,但他的下一步简直是惊天一笔。由于我们要找满足d[i−1]<nums[j]<d[i] 的下标i,并且d[]数组始终是有序的,那么我们就可以采用二分查找的方法来降低时间复杂度。说实话,理论我都懂,但是用二分查找法去寻找 **第一个比nums[i] 小的数 d[k] ** ,我是真的没什么头绪。代码却用一个loc指针就完美完成了这项任务,实在是让我惊叹。