20240104-最长上升子序列

最新推荐文章于 2024-08-26 14:50:03 发布

JieHou828

最新推荐文章于 2024-08-26 14:50:03 发布

阅读量315

点赞数 7

文章标签：算法数据结构 leetcode

本文链接：https://blog.csdn.net/fuxxu/article/details/135400733

版权

文章介绍了使用动态规划解决最长严格递增子序列问题的方法，通过定义dp数组表示以nums[i]结尾的最长递增子序列长度，状态转移方程利用nums[i]大于nums[j]时的最长递增子序列可能增加的情况。算法的时间复杂度为O(n^2)，空间复杂度为O(n)。

摘要由CSDN通过智能技术生成

题目要求

给定一个整数数组nums，返回最长严格递增子序列的长度。

思路

动态规划，五部曲：

确定dp数组以及下标的含义：dp[i]表示i之前包括i的以nums[i]结尾的最长递增子序列的长度
状态转移方程：位置i的最长升序子序列等于j从0到i-1各个位置的最长升序子序列 + 1 的最大值。if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1); 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。
dp[i]的初始化：dp[i]起始大小都至少是1。
遍历顺序：从前向后遍历
举例推导

11月底学完之后目前又有点忘了，这一个月经历了各种被拒绝，也去外边玩儿了一圈。要继续努力提高自己代码算法、概率论、写策略的能力。上边的推导过程是我重新学习之后边看边写的，代码如下：

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        vector<int> dp(nums.size()+1, 1);
        if (nums.size() <= 1) return nums.size();
        int result = 0;
        for (int i = 1; i < nums.size(); ++i) {
            for (int j = 0; j < i; ++j) {
                if (nums[i] > nums[j]) {
                    dp[i] = max(dp[j] + 1, dp[i]);
                } else {
                    dp[i] = dp[i];
                }
                if (dp[i] > result) result = dp[i];
            }
        }
    return result;
    }
};

时间复杂度: O(n^2)
空间复杂度: O(n)