一、需求
- 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 。
提示:
1 <= nums.length <= 2500
-104 <= nums[i] <= 104。
进阶:
你可以设计时间复杂度为 O(n2) 的解决方案吗?
你能将算法的时间复杂度降低到 O(n log(n)) 吗?
二、动态规划法(O(n^2))
class Solution {
public int lengthOfLIS(int[] nums) {
/*
1.
状态:遍历nums的索引,它是一直变化的,从0到nums.length-1
选择:从nums[0..i-1]中找到比nums[i]都小的元素,以这些元素为结尾的
最长子序列,取最大值+1即可
找不到的话就是它自己,就是1,因此我们初始化dp数组全为1,表示以
每个元素为结尾的LIS最小值为1
2.
dp[i]:以nums[i]为结尾的LIS长度
3.
base case:以nums[0]为结尾的LIS长度为1
4.
目标:max(dp[0..i])
*/
int n = nums.length;
int[] dp = new int[n];
Arrays.fill(dp, 1);
for(int i = 1; i < n; i++) {
for(int j = 0; j < i; j++) {
if(nums[j] < nums[i]) {
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
}
int res = 0;
for(int i = 0; i < n; i++) {
res = Math.max(res, dp[i]);
}
return res;
}
}