300. 最长递增子序列
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
提示:
1 <= nums.length <= 2500
-104 <= nums[i] <= 104
进阶:
- 你能将算法的时间复杂度降低到
O(n log(n))
吗?
Related Topics
- 数组
- 二分查找
- 动态规划
2、题目分析
动态规划的解决套路可分为 2 步,①基于问题能定义出状态,②状态间具备动态规划的三个特性
①基于问题定义出状态:(参考该文完成分析:dp–139. 单词拆分 https://blog.csdn.net/fujuacm/article/details/135408092)
②状态间具备动态规划的三个特性(参考该文完成分析:dp–139. 单词拆分 https://blog.csdn.net/fujuacm/article/details/135408092)
- 重复子问题且重复策略
重复子问题: - 最优子结构
重复策略&最优子结构: - 无后效性
更前的状态不影响当前状态:
后面的状态不影响当前状态:
3、解题步骤
dp五部曲
1.定义dp数组以及下标的含义
dp[i],表示截止到第i个字符,最长递增子序列的长度
2.推导状态转移方程
dp[i] = Math.max(dp[0], dp[1],…, dp[i - 1]) nums[i] > nums[j]
3.初始化dp数组
dp数组,初始化为1,表示截止到自己,最长递增子序列长度为1,即子序列中只包括自己
4.确定遍历顺序(二维dp可以通过 状态转移方程+4宫格明确i、j遍历顺序)
i从1到n。即从第1个字符推导到最后1个字符
5.举例推导dp数组
4、复杂度最优解代码示例
public int lengthOfLIS(int[] nums) {
int[] dp = new int[nums.length]; // 用于存储以当前元素结尾的最长递增子序列的长度
int maxLen = 0; // 用于记录最长递增子序列的长度
for (int i = 0; i < nums.length; i++) {
// 对于当前元素,遍历其前面的元素,如果前面元素严格小于当前元素,则当前元素集成该前面元素的最长递增子序列的长度
for (int j = 0; j < i; j++) {
if (nums[i] > nums[j]) {
dp[i] = Math.max(dp[i], dp[j]);
}
}
// 当前元素的最长递增子序列的长度,加上当前元素自身
dp[i]++;
// 更新最长递增子序列的长度
maxLen = Math.max(maxLen, dp[i]);
}
return maxLen;
}
5、抽象与扩展
通用动态规划的解法,见标题二