300. 最长递增子序列——贪心 + 二分查找

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

提示:

1 <= nums.length <= 2500
-104 <= nums[i] <= 104

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        //我们动态的构建一个升序数组
        //将原数组的逐个取出与升序数组的末尾进行比较
        //如果比末尾还大,加在升序数组末尾,反之,在升序数组中找到合适的位置替换
        int n = nums.size();
        vector<int> dp;
        //由于是跟末尾比较,初始数组必须包含一个元素
        dp.push_back(nums[0]);
        for(int i = 1; i < n; ++i){
            //比末尾大,在升序数组末尾加入该元素
            if(dp.back() < nums[i])
                dp.push_back(nums[i]);
            //比末尾小,对升序数组进行二分查找,找到替换的元素进行替换
            else{
                int left = 0, right = dp.size() - 1;
                while(left <= right){
                    int mid = (left + right) >> 1;
                    //大了往右找
                    if(dp[mid] < nums[i]){
                        left = mid + 1;
                    }
                    //小了或相等往左找
                    else
                        right = mid - 1;
                }
                //left就是最后要替换的
                dp[left] = nums[i];
            }
        }
        return dp.size();
    }
};

Accepted
54/54 cases passed (4 ms)
Your runtime beats 98.43 % of cpp submissions
Your memory usage beats 94.27 % of cpp submissions (10.1 MB)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以使用动态规划的方法来解决该问题。 假设原始的线性表为 $a$,$a_i$ 表示第 $i$ 个元素的值。定义 $dp_i$ 表示以 $a_i$ 结尾的最长递增子序列的长度。则可以得到以下状态转移方程: $$dp_i=\max_{0\le j<i}(dp_j+1),\quad a_j<a_i$$ 其中,$0\le j<i$ 表示要求在 $a_j<a_i$ 的前提下,找到所有的 $dp_j$ 的最大值。也就是说,只有当 $a_j<a_i$ 时,才能将 $a_j$ 加入到以 $a_i$ 结尾的最长递增子序列中。 最终的答案即为 $dp$ 数组中的最大值。 下面是一个 Python 代码的示例: ```python def find_lis(a): n = len(a) dp = [1] * n for i in range(1, n): for j in range(i): if a[j] < a[i]: dp[i] = max(dp[i], dp[j] + 1) return max(dp) a = [1, 3, 2, 4, 5, 6, 7, 8] print(find_lis(a)) # Output: 7 ``` 在这个示例中,线性表 $a$ 中的最长递增子序列为 $[1, 2, 4, 5, 6, 7, 8]$,其长度为 $7$。 ### 回答2: 查找线性表中最长递增子序列的方法有多种,下面介绍一种常用的动态规划思路。 首先,定义一个长度为n的数组dp,其中dp[i]表示以第i个元素结尾的最长递增子序列的长度。对于任意1<=i<=n,初始时dp[i]的值都为1,表示以第i个元素自身为长度为1的递增子序列。 然后,从数组第2个元素开始,依次遍历所有元素。对于当前遍历到的元素nums[i],我们需要在前面的元素中找到比它小的数,并更新dp[i]为最大的dp[j]+1,其中j满足nums[j]<nums[i]。 最后,遍历dp数组,找到最大的dp[i]即为最长递增子序列的长度。倒序遍历dp数组,从最大的dp[i]对应的元素nums[i]开始反向查找,直到找到dp[i]==1为止,这样就找到了最长递增子序列。 具体步骤如下: 1. 初始化dp数组,所有元素置为1。 2. 遍历从2到n的每个元素nums[i]: 2.1. 内部再遍历从1到i-1的每个元素nums[j]: 2.1.1. 若nums[j]<nums[i],更新dp[i]为最大的dp[j]+1。 3. 找到dp数组中的最大值maxLen。 4. 从dp中找到maxLen对应的元素nums[i],向前寻找直到找到dp[i]==1。 5. 输出最长递增子序列。 以上是一种常用的动态规划方法,时间复杂度为O(n^2)。还有一种时间复杂度为O(nlogn)的方法,利用二分查找和辅助数组来实现,但相对更为复杂。

“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