300.最长递增子序列
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 。
注意这个题是子序列,并不要求连续。因此会有会有双层遍历. 使用动态规划
1. 确认dp数组定义
dp[i] 代表下表i及其之前的最大递增子序列的长度
2. 确定递推公式
你要明确从哪些地方可以进行推出来
由于是递增 我们需要取遍历数组
如果 nums[i] > nums[j]
dp[i] = max(dp[j] + 1, dp[i])
注意这里不是要dp[i] 与 dp[j] + 1进行比较,而是我们要取dp[j] + 1的最大值。
如果不是,不用做操作
3. dp数组初始化
dp初始化为1
4. 遍历顺序
dp[i] 是有0到i-1各个位置的最长递增子序列 推导而来,那么遍历i一定是从前向后遍历。
j其实就是从0遍历到i-1,从前到后 从后到前都无所谓。
def lengthOfLIS(nums: List[int]) -> int:
dp = [1] * len(nums)
result = 0
for i in range(1, len(nums)):
for j in range(0, i):
if nums[i] > nums[j]:
dp[i] = max(dp[j] + 1, dp[i])
result = max(dp[i], result)
return result
674. 最长连续递增序列
给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。
连续递增的子序列 可以由两个下标 l
和 r
(l < r
)确定,如果对于每个 l <= i < r
,都有 nums[i] < nums[i + 1]
,那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]]
就是连续递增子序列。
示例 1:
输入:nums = [1,3,5,4,7] 输出:3 解释:最长连续递增序列是 [1,3,5], 长度为3。 尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的,因为 5 和 7 在原数组里被 4 隔开。
这个题与上面的题目的区别在于这个是要连续的,其实就降低了难度。
因为我们单层遍历就可以了
1. dp数组定义
dp[i] 表示[0,i]之间的最大连续子序列的长度
2. dp递推公式
如果nums[i+1] > nums[i]
dp[i] = dp[i-1] + 1
如果没有dp[i] = 1
3. dp初始化
dp初始化为1
4. dp遍历顺序
正向遍历
def findLengthOfLCIS(nums: List[int]) -> int:
dp = [1] * len(nums)
result = 1
for i in range(1, len(nums):
if nums[i] > nums[i-1]:
dp[i] = dp[i-1] + 1
else:
dp[i] = 1
result = max(dp[i], result)
return result
718. 最长重复子数组
给两个整数数组 A 和 B ,返回两个数组中公共的、长度最长的子数组的长度。
输入:
- A: [1,2,3,2,1]
- B: [3,2,1,4,7]
- 输出:3
- 解释:长度最长的公共子数组是 [3, 2, 1] 。
子数组是连续的,而且这个题有两个数组,我们可以用dp二维数组来模拟
1. dp数组定义
dp[i][j] 表示A [0, i-1] B[0, j-1]之间的最长的重复子数组的长度。
2. dp数组推导
通过定义
如果 A[i-1] == B[j-1]
dp[i][j] = dp[i-1][j-1] + 1
3. dp数组初始化
dp[i][0] dp[0][j] 是没有意义的
但dp[i][0] 和dp[0][j]要初始值,因为 为了方便递归公式dp[i][j] = dp[i - 1][j - 1] + 1;
所以dp[i][0] 和dp[0][j]初始化为0。
举个例子A[0]如果和B[0]相同的话,dp[1][1] = dp[0][0] + 1,只有dp[0][0]初始为0,正好符合递推公式逐步累加起来。
4. 循环遍历
外层循环A 内存循环B 都是从左到右 也可也先B后A
class Solution:
def findLength(self, nums1: List[int], nums2: List[int]) -> int:
dp = [[0] * (len(nums2) + 1) for _ in range(len(nums1)+1)]
result = 0
for i in range(1, len(nums1) + 1):
for j in range(1, len(nums2) + 1):
if nums1[i-1] == nums2[j-1]:
dp[i][j] = dp[i-1][j-1] + 1
if dp[i][j] > result:
result = dp[i][j]
return result
1143.最长公共子序列
给定两个字符串 text1 和 text2,返回这两个字符串的最长公共子序列的长度。
一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
例如,"ace" 是 "abcde" 的子序列,但 "aec" 不是 "abcde" 的子序列。两个字符串的「公共子序列」是这两个字符串所共同拥有的子序列。
若这两个字符串没有公共子序列,则返回 0。
示例 1:
- 输入:text1 = "abcde", text2 = "ace"
- 输出:3
- 解释:最长公共子序列是 "ace",它的长度为 3。
这个题与上面的题不同在于 不是连续的,他只是要求子序列
定义与上面相同
不同在于递推公式
如果相等
dp[i][j] = dp[i-1][j-1] + 1
如果不相等 就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列,取最大的。
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
因为这里不要求连续,仍然可以比较
初始化dp应该为0
def longestCommonSubsequence(self, text1: str, text2: str) -> int:
dp = [[0] * (len(text2)+1) for _ in range(len(text1) + 1)]
result = 0
for i in range(1, len(text1) + 1):
for j in range(1, len(text2) + 1):
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])
result = max(dp[i][j], result)
return result