300.最长递增子序列
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
初始化:每个dp[i]对应的递增子序列最小的长度为1,所以都初始化为1
i外层循环遍历 用于确定每个位置的最终值 也就是每个位置的最长递增子序列长度
内层循环是帮助外层循环i确定递增子序列长度
i每到一个新的位置 j都会从头开始
nums[i]与nums[j]比较
如果nums[i]>nums[j]
那么dp【i】就会进行更新 选择在dp【j】的基础上加一 还是不变 在他俩之间取一个最大值
关于为什么加一
因为nums[i]>nums[j]
nums【i】的可以拼接到dp【j】上形成一个新的递增子序列,长度加一
result记录每个位置的最长递增子序列的最大值
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
if (nums.size() <= 1) return nums.size();
vector<int> dp(nums.size(), 1);
int result = 0;
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);
}
if (dp[i] > result) result = dp[i]; // 取长的子序列
}
return result;
}
};
674. 最长连续递增序列
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
if (nums.size() == 0) return 0;
int result = 1;
vector<int> dp(nums.size() ,1);
for (int i = 1; i < nums.size(); i++) {
if (nums[i] > nums[i - 1]) { // 连续记录
dp[i] = dp[i - 1] + 1;
}
if (dp[i] > result) result = dp[i];
}
return result;
}
};
718. 最长重复子数组
dp[i][j] :以下标i 为结尾的A,和以下标j 为结尾的B,最长重复子数组长度为dp[i][j]。
dp[i][j]是以他的左上角dp[i-1][j-1]推倒出来的
如果nums【i】=nums【j】那么 dp[i][j] = dp[i-1][j-1] +1
LeetCode每日打卡.718.最长重复子数组_哔哩哔哩_bilibili
class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2) {
vector<vector<int>> dp(nums1.size(),vector<int>(nums2.size()));
int result = 0;
for(int i=0;i<nums1.size();i++){
for(int j=0;j<nums2.size();j++){
if(nums1[i]==nums2[j]){
if((i-1)<0||(j-1)<0){
dp[i][j]=1;
}else{
dp[i][j]=dp[i-1][j-1]+1;
}
}else{
dp[i][j]=0;
}
if(result<dp[i][j])result=dp[i][j];
}
}
return result;
}
};
1143.最长公共子序列
dp[i][j]:长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j]
第i件商品,就是text【i-1】 看图推导就行
class Solution {
public:
int longestCommonSubsequence(string text1, string text2) {
vector<vector<int>> dp(text1.size() + 1, vector<int>(text2.size() + 1, 0));
for (int i = 1; i <= text1.size(); i++) {
for (int j = 1; j <= text2.size(); j++) {
if (text1[i - 1] == text2[j - 1]) {
dp[i][j] = dp[i - 1][j - 1] + 1;
} else {
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
}
}
}
return dp[text1.size()][text2.size()];
}
};