注:
//二分法找到找到第一个比key小的元素的位置pos
if (d[mid] < key) {
pos = mid;
l = mid + 1;
} else {
r = mid - 1;
}
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
1.动态规划
时间复杂度为 O(n2)
定义dp[i] 为考虑前 i 个元素,以第 i 个数字结尾的最长上升子序列的长度,注意 nums[i] 必须被选取。
我们从小到大计算 dp 数组的值,在计算dp[i] 之前,我们已经计算出 dp[0…i−1] 的值,则状态转移方程为:
dp[i]=max(dp[j])+1,其中0≤j<i且num[j]<num[i]
即考虑往dp[0…i−1] 中最长的上升子序列后面再加一个nums[i]。由于 dp[j] 代表 nums[0…j] 中以 nums[j] 结尾的最长上升子序列,所以如果能从dp[j] 这个状态转移过来,那么nums[i] 必然要大于 nums[j],才能将 nums[i] 放在nums[j] 后面以形成更长的上升子序列。
最后,整个数组的最长上升子序列即所有dp[i] 中的最大值。
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int size=nums.size();
vector<int> dp(size);
int maxlength=0;
for(int i=0;i<size;i++){
dp[i]=1;
for(int j=0;j<i;j++){
if(nums[i]>nums[j]){
dp[i]=max(dp[i],dp[j]+1);
}
}
maxlength=max(dp[i],maxlength);
}
return maxlength;
}
};
2.贪心算法+二分搜索
时间复杂度为 O(n log(n))
考虑一个简单的贪心,如果我们要使上升子序列尽可能的长,则我们需要让序列上升得尽可能慢,因此我们希望每次在上升子序列最后加上的那个数尽可能的小。
基于上面的贪心思路,我们维护一个数组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,起始时 len 为 1,d[1]=nums[0]。
同时我们可以注意到d[i] 是关于 i 单调递增的。因为如果 d[j]≥d[i] 且 j < i,我们考虑从长度为 i 的最长上升子序列的末尾删除i−j 个元素,那么这个序列长度变为 j ,且第j 个元素x(末尾元素)必然小于d[i],也就小于d[j]。那么我们就找到了一个长度为 j 的最长上升子序列,并且末尾元素比d[j] 小,从而产生了矛盾。因此数组 d 的单调性得证。
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]=nums[j]。
根据 dd 数组的单调性,我们可以使用二分查找寻找下标 i,优化时间复杂度。
最后整个算法流程为:
设当前已求出的最长上升子序列的长度为 len(初始时为 1),从前往后遍历数组 nums,在遍历到 nums[i] 时:
如果nums[i]>d[len] ,则直接加入到 d 数组末尾,并更新 len=len+1;
否则,在 d 数组中二分查找,找到第一个比 nums[i] 小的数d[k] ,并更新 d[k+1]=nums[i]。
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
//从1开始,是为了方便在d[0]插入元素,以及len可以直接代表需要返回的最大长度
int len=1;
int size=nums.size();
vector<int> d(size+1,0);
d[len]=nums[0];
for(int i=1;i<size;i++){
if(nums[i]>d[len]){
len++;
d[len]=nums[i];
}
else{
int l = 1, r = len, pos = 0; // 如果找不到说明所有的数都比 nums[i] 大,此时要更新 d[1],所以这里将 pos 设为 0
while (l <= r) {
int mid = (l + r) >> 1;
//二分法找到找到第一个比key小的元素
if (d[mid] < nums[i]) {
pos = mid;
l = mid + 1;
} else {
r = mid - 1;
}
}
d[pos + 1] = nums[i];
}
}
return len;
}
};