300.最长递增子序列
题目链接: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。
解题思路:
动规五部曲
- p[i]的定义 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。这里要强调一下,一定是以nums[i]为结尾。
- 状态转移方程 位置i的最长升序子序列等于j从0到i-1各个位置的最长升序子序列 + 1 的最大值。 所以:if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1); 注意这里不是要dp[i] 与 dp[j] + 1进行比较,而是我们要取dp[j] + 1的最大值。
- dp[i]的初始化 每一个i,对应的dp[i](即最长递增子序列)起始大小至少都是1.
- 确定遍历顺序 dp[i] 是有0到i-1各个位置的最长递增子序列 推导而来,那么遍历i一定是从前向后遍历。
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 result;
}
};
- 时间复杂度: O(n^2)
- 空间复杂度: O(n)
674. 最长连续递增序列
题目链接: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。
动态规划:
这道题和上一题的思路基本相同,最大的不同点是递归公式,因为本题强调连续,所以就只要比较nums[i]与nums[i - 1],而不用去比较nums[j]与nums[i] (j是在0到i之间遍历)。递推公式为dp[i] = dp[i - 1] + 1;
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
vector<int> dp(nums.size(), 1);
int result = 1;
for (int i = 1; i < nums.size(); i++) {
if (nums[i] > nums[i - 1])
dp[i] = dp[i-1] + 1;
result = max(result, dp[i]);
}
return result;
}
};
贪心算法:
这道题目也可以用贪心来做,也就是遇到nums[i] > nums[i - 1]的情况,count就++,否则count为1,记录count的最大值就可以了。
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
int count = 1;
int result = 1;
for (int i = 1; i < nums.size(); i++) {
if (nums[i] > nums[i - 1])
count++;
else
count = 1;
result = max(result, count);
}
return result;
}
};
718. 最长重复子数组
题目链接: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 。
暴力解法:
只需要先两层for循环确定两个数组起始位置,然后再来一个循环可以是for或者while,来从两个起始位置开始比较,取得重复子数组的长度。
class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2) {
int result = 0;
for (int i = 0; i < nums1.size(); i++) {
for (int j = 0; j < nums2.size(); j++) {
int begin1 = i;
int begin2 = j;
int count = 0;
while (begin1 < nums1.size() && begin2 < nums2.size() &&
nums1[begin1++] == nums2[begin2++]) {
count++;
}
result = max(result, count);
}
}
return result;
}
};
动态规划:
动规五部曲分析如下:
- 确定dp数组(dp table)以及下标的含义 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]。 (特别注意: “以下标i - 1为结尾的A” 标明一定是 以A[i-1]为结尾的字符串 )
- 确定递推公式 根据dp[i][j]的定义,dp[i][j]的状态只能由dp[i - 1][j - 1]推导出来。 即当A[i - 1] 和B[j - 1]相等的时候,dp[i][j] = dp[i - 1][j - 1] + 1;
- dp数组如何初始化 根据dp[i][j]的定义,dp[i][0] 和dp[0][j]其实都是没有意义的! 但dp[i][0] 和dp[0][j]要初始值,因为 为了方便递归公式dp[i][j] = dp[i - 1][j - 1] + 1; 所以dp[i][0] 和dp[0][j]初始化为0。
- 确定遍历顺序 外层for循环遍历A,内层for循环遍历B。
class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2) {
vector<vector<int>> dp(nums1.size() + 1,
vector<int>(nums2.size() + 1, 0));
int result = 0;
for (int i = 1; i <= nums1.size(); i++) {
for (int j = 1; j <= nums2.size(); j++) {
if (nums1[i - 1] == nums2[j - 1]) {
dp[i][j] = dp[i - 1][j - 1] + 1;
}
result = max(result, dp[i][j]);
}
}
return result;
}
};