LeetCode 300-最长上升子序列（Python实现）

题目：给定一个无序的整数数组，找到其中最长上升子序列的长度。

示例:
输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。

说明:
可能会有多种最长上升子序列的组合，你只需要输出对应的长度即可。
你算法的时间复杂度应该为 O(n2) 。

进阶: 你能将算法的时间复杂度降低到 O(n log n) 吗?

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/longest-increasing-subsequence

（思路借鉴题解）看到题目，首先我们很容易想到的是利用动态规划求解此问题，我们可以想到，dp[i]处子序列长度应该跟dp[i-1]处子序列长度有关系。利用这点，写出求解代码：

from typing import List

'''Leetcode_300 Longest Increasing Subsequence,求数组的最长上升子序列'''

'''方法一:动态规划,时间复杂度O(n^2),空间复杂度O(n),双层for循环的缘故'''
class Solution1:
    def lengthOfLIS(self, nums: List[int]) -> int:
        # 若nums数组为空，直接返回0
        if not nums:
            return 0
        # 维护一个dp数组，长度等于nums，每个位置与nums一一对应，初始值均设置为1
        dp = [1 for x in range(len(nums))]
        # 外层循环遍历nums，注意：range函数为左闭右开，此处不必减一
        for i in range(len(nums)):
            # 内层循环遍历i，range函数为左闭右开，因此不会取到i
            for j in range(i):
                '''关键步骤：依次将nums[j]与nums[i]值比较，
                    若nums[i] < nums[j]，则不会构成上升序列，直接跳过。
                    若nums[i] > nums[j]，显然可以将nums[i]添加到上升序列的末尾，构成新的上升序列，
                    所以此处有dp[j] + 1，而之所以有max(dp[i], dp[j] + 1)，是因为在内层循环中，
                    nums[j]会依次与nums[i]对比，因此可能会有多个上升子序列，此时我们需要保留最长的那个。
                '''
                if nums[i] > nums[j]:
                    dp[i] = max(dp[i], dp[j] + 1)
        # 此时，dp数组每个位置的值已被更新，直接返回dp数组的最大值，即为最长子序列值
        return max(dp)

在这里插入图片描述

进阶思路，由贪心选择的思想我们可知，若想让上身序列尽可能的长，我们需要这个序列增长的尽可能慢，即每次添加元素到上升序列时，我们希望这个元素与之前最大的元素的差尽可能的小，这样我们的增长序列才能尽可能的缓慢增长。基于此思想，我们维护一个数组dp，用来保存增长序列，但该数组并不代表实际增长序列，该数组初始长度为1，其每个对应位置i上的值代表当前长度为i的增长序列最后一个元素的值（注意：这句话很关键，是理解代码的前提）。例如：输入nums[10,9,2,5,3,7,101,18], 输出的dp为[2,3,7,18]。我们可以看到，该dp并不是实际的增长子序列，dp[2] = 3（ps：dp从1开始计数），代表增长序列的长度为2时该序列的末尾元素为2（因为nums数组中可能会同时存在多个增长序列，我们需要保存增长最为平缓的那个）。代码如下：

'''方法二:贪心+二分搜索,时间复杂度O(nlogn),空间复杂度O(n),外层n，内层二分查找logn'''
class Solution2:
    def lengthOfLIS(self, nums: List[int]) -> int:
        dp = []
        for i in nums:
            if not dp or i > dp[-1]:
                dp.append(i)
            else:
                position = bisect_left(dp, i)
                dp[position] = i
            print(dp)
        return len(dp)

打印了dp数组在循环中的变化，如下：

[10]
[9]
[2]
[2, 5]
[2, 3]
[2, 3, 7]
[2, 3, 7, 101]
[2, 3, 7, 18]

二分搜索直接调用的python库，偷了懒