目录
300. 最长递增子序列
问题描述
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
-10^4 <= nums[i] <= 10^4
进阶:能将算法的时间复杂度降低到 O(n log(n))
吗?
思路与算法
记表示从开始到索引为止、且包含的最长严格递增子序列的长度。在都已知的条件下,可以得到状态转移方程如下所示:
dp数组初始化为全1,因为根据定义,最短的最长严格递增子序列的长度为1.
代码
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
dp = len(nums) * [1]
for i in range(1,len(nums)):
for j in range(i):
if nums[j] < nums[i]:
dp[i] = max(dp[i], dp[j]+1)
return max(dp)
执行用时:3232 ms, 在所有 Python3 提交中击败了53.83%的用户
内存消耗:15.3 MB, 在所有 Python3 提交中击败了12.70%的用户
以上是时间复杂度加空间复杂度。官解还给出了个“贪心 + 二分查找”方法,时间复杂度可以,不过看起来有点头晕,不纠结了。
376. 摆动序列
问题描述
如果连续数字之间的差严格地在正数和负数之间交替,则数字序列称为 摆动序列 。第一个差(如果存在的话)可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。
-
例如,
[1, 7, 4, 9, 2, 5]
是一个 摆动序列 ,因为差值(6, -3, 5, -7, 3)
是正负交替出现的。 - 相反,
[1, 4, 7, 2, 5]
和[1, 7, 4, 5, 5]
不是摆动序列,第一个序列是因为它的前两个差值都是正数,第二个序列是因为它的最后一个差值为零。
子序列 可以通过从原始序列中删除一些(也可以不删除)元素来获得,剩下的元素保持其原始顺序。给你一个整数数组 nums
,返回 nums
中作为 摆动序列 的 最长子序列的长度 。
示例 1:
输入:nums = [1,7,4,9,2,5] 输出:6 解释:整个序列均为摆动序列,各元素之间的差值为 (6, -3, 5, -7, 3) 。
示例 2:
输入:nums = [1,17,5,10,13,15,10,5,16,8] 输出:7 解释:这个序列包含几个长度为 7 摆动序列。 其中一个是 [1, 17, 10, 13, 10, 16, 8] ,各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。
示例 3:
输入:nums = [1,2,3,4,5,6,7,8,9] 输出:2
提示:
1 <= nums.length <= 1000
0 <= nums[i] <= 1000
进阶:你能否用 O(n)
时间复杂度完成此题?
思路与算法
借鉴上题思路,记记表示从开始到索引为止、且包含的最长摆动序列的长度,考虑状态转移方程,可以分以下两种情况:
- case1: 如果nums[i]-nums[i-1]与nums[i-1]-nums[i-2]符号相反,则
- case2: 否则,
但是,以上状态转移方程仅在每两个相邻的数都不相同情况下才成立。
所以可以考虑先对原数组做一个预处理,删除连续相同的冗余元素,然后再按照以上方式进行动态规划求解。
代码
class Solution:
def wiggleMaxLength(self, nums: List[int]) -> int:
# pre-processing
k = 1
ptr = 1
while k <= len(nums)-1:
if nums[k] == nums[ptr-1]:
k += 1
else:
nums[ptr] = nums[k]
k += 1
ptr += 1
if ptr == 1:
return 1
dp = ptr*[1]
dp[1] = 2 if nums[1]!=nums[0] else 1
for i in range(2,ptr):
if (nums[i]-nums[i-1])*(nums[i-1]-nums[i-2])<0:
dp[i] = dp[i-1]+1
else:
dp[i] = dp[i-1]
return max(dp)
执行用时:40 ms, 在所有 Python3 提交中击败了48.39%的用户
内存消耗:15.1 MB, 在所有 Python3 提交中击败了9.22%的用户
想了想,由于dp(i)只依赖于dp(i-1),因此并不需要维护整个dp数组,而是采用滚动数组的方式,只维持当前值。循环结束时得到的值即为所求解。
class Solution:
def wiggleMaxLength(self, nums: List[int]) -> int:
# pre-processing
k = 1
ptr = 1
while k <= len(nums)-1:
if nums[k] == nums[ptr-1]:
k += 1
else:
nums[ptr] = nums[k]
k += 1
ptr += 1
if ptr == 1:
return 1
dp = 2
for i in range(2,ptr):
if (nums[i]-nums[i-1])*(nums[i-1]-nums[i-2])<0:
dp = dp+1
else:
pass
return dp
执行用时:40 ms, 在所有 Python3 提交中击败了48.39%的用户
内存消耗:15 MB, 在所有 Python3 提交中击败了20.15%的用户