JavaScript|LeetCode|动态规划/贪心思想|376. 摆动序列

法1:动态规划
想法1:

  1. 数组dp保存以nums[i]结尾的摆动序列的最长子序列长度
  2. 数组larger保存以nums[i]结尾的摆动序列的最长子序列中:nums[i]比前一个数小/大:false表示小,true表示大(用于判断当前数能否衔接到nums[i]之后)
/** 
* @param {number[]} nums 
* @return {number} 
*/
var wiggleMaxLength = function(nums) {    
    if(nums.length <= 1) { // 少于两个元素的序列也是摆动序列        
        return nums.length;    
    }
    
    // dp保存以nums[i]结尾的摆动序列的最长子序列长度;    
    // larger保存以nums[i]结尾的摆动序列的最长子序列中:    
    // nums[i]比前一个数小/大:false表示小,true表示大    
    var dp = [], larger = [];    
    var i = 0, j = 0;    
    for(i = 0; i < nums.length; i++) {        
        dp[i] = 1;        
        larger[i] = false;    
    }
    
    for(i = 1; i < nums.length; i++) {        
        for(j = 0; j < i; j++) {            
            if(nums[i] > nums[j]) { // 如果当前数比较大                
                if(j == 0) { // 只要与第一个数不相同,这个数都能与第一个数组成摆动序列                    
                    dp[i] = dp[j] + 1;                    
                    larger[i] = true; // 当前数比较大                
                }                
                else {                     
                    // 当前数x与非第一个数y比较,                    
                    // y必须小于以它结尾的最长摆动子序列的倒数第二个数                    
                    // 当前数才能衔接                    
                    if(!larger[j]) {                        
                        dp[i] = dp[j] + 1;                        
                        larger[i] = true;                    
                    }                
                }            
            }            
            else if(nums[i] < nums[j]){                
                if(j == 0) {                    
                    dp[i] = dp[j] + 1;                    
                    larger[i] = false;                
                }                
                else {                    
                    if(larger[j]) {                        
                        dp[i] = dp[j] + 1;                        
                        larger[i] = false;                    
                    }                
                }            
            }            
            else {                
                dp[i] = dp[i];            
            }        
        }    
    }    
    return Math.max.apply(null, dp);
};

想法2:
看了题解

  1. 用数组up和down保存以nums[i]结尾的最长摆动子序列的长度:
  • up保存:最后到达nums[i]时,是上升的,即在这个以nums[i]结尾的摆动序列中,nums[i]减前一个数的结果为正
  • down保存:最后到达nums[i]时,是下降的,即在这个以nums[i]结尾的摆动序列中,nums[i]减前一个数的结果为负
  1. 判断nums[i]是否衔接到nums[j](i > j):
  • 若nums[i] > nums[j],则up[i] = max(down[j] + 1, up[i])
  • 若nums[i] < nums[j],则down[i] = max(up[j] + 1, down[i])
  • 若nums[i] == nums[j],则up[i]和down[i]都不变
  1. 最后选择up和down中的最大值返回
/** 
* @param {number[]} nums 
* @return {number} 
*/
var wiggleMaxLength = function(nums) {    
    if(nums.length <= 1) { // 少于两个元素的序列也是摆动序列        
        return nums.length;    
    }
    
    var up = [], down = [];    
    var i = 0, j = 0;    
    for(i = 0; i < nums.length; i++) {        
        up[i] = 1;        
        down[i] = 1;    
    }
    
    for(i = 1; i < nums.length; i++) {        
        for(j = 0; j < i; j++) {            
            if(nums[i] > nums[j]) {                
                up[i] = Math.max(down[j] + 1, up[i]);            
            }            
            else if(nums[i] < nums[j]) {                
                down[i] = Math.max(up[j] + 1, down[i]);            
            }        
        }    
    }    
    return Math.max.apply(null, up.concat(down));
};

法2:贪心思想
看了题解
想法:

  1. 最长摆动子序列以nums[0]开头:
  • 证明:假设最长摆动子序列sub中
    1)sub[1] > sub[0](sub[0]不是nums[0])。若sub[0] == nums[0],则以nums[0]开头等效;若sub[0] > nums[0],则以nums[0]开头等效;若sub[0] < nums[0],则以nums[0]开头,最长摆动子序列长度+1
    2)sub[1] < sub[0](sub[0]不是nums[0])。若sub[0] == nums[0],则以nums[0]开头等效;若sub[0] > nums[0],则以nums[0]开头,最长摆动子序列长度+1;若sub[0] < nums[0],则以nums[0]开头等效
  1. 如果以nums[0]开头的最长摆动子序列最后一步是上升的,则需要保证这个上升是最大的上升(最后一个数足够大,则在后面遇到较小的数才更有可能衔接)
  2. 同理,以nums[0]开头的最长摆动子序列最后一步是下降的,则需要保证这个下降是最大的下降(最后一个数足够小,则在后面遇到较大的数才更有可能衔接)
/** 
* @param {number[]} nums 
* @return {number} 
*/
var wiggleMaxLength = function(nums) {
    if(nums.length <= 1) { // 少于两个元素的序列也是摆动序列        
        return nums.length;    
    }
    
    var i = 0, cur = nums[0], output = 1, up = false;    
    // cur:当前最长摆动子序列的最后一个数    
    // up:当前最长摆动子序列的最后一个数是上升还是下降
    
    // 初始化up    
    for(i = 1; i < nums.length; i++) {        
        if(nums[i] == cur) {            
            continue;        
        }        
        else if(nums[i] > cur) {            
            up = true;            
            output++;            
            cur = nums[i];            
            break;        
        }        
        else {            
            up = false;            
            output++;            
            cur = nums[i];            
            break;        
        }    
    }
    
    // 寻找最长摆动子序列    
    for(; i < nums.length; i++) {        
        if(nums[i] == cur) {            
            continue;        
        }        
        else if(nums[i] > cur) {            
            if(!up) {                
                up = true;                
                output++;                
                cur = nums[i];            
            }            
            else {                
                cur = nums[i];           
            }      
        }        
        else {            
            if(up) {                
                up = false;                
                output++;                
                cur = nums[i];            
            }            
            else {                
                cur = nums[i];            
            }        
        }   
    }    
    return output;
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值