求最长递增子序列的个数

原题如下:

给定一个未排序的整数数组,找到最长递增子序列的个数。
示例 1:
输入: [1,3,5,4,7]
输出: 2
解释: 有两个最长递增子序列,分别是 [1, 3, 4, 7] 和[1, 3, 5, 7]。
示例 2:
输入: [2,2,2,2,2]
输出: 5
解释: 最长递增子序列的长度是1,并且存在5个子序列的长度为1,因此输出5。

方法一:动态规划

这题属于动态规划的典型应用之一,我们可以把dp[i]定义为以第i个字符结尾的最长子序列长度。用cnt[i]表示以第i个字符结尾的最长的字符串有多少个。

于是很容易得到状态转移方程。

当第i个数比第j个数要大时,如果dp[j]+1>dp[i];
有 dp[i]=dp[j]+1;(0<j<i)

用一层循环求出第i个字符的最长长度以及存在的方案数,再用一层循环遍历i个字符求最大长度和方案数。
剩下的操作无非就是两层逻辑的更新(长度)、维护(方案数)。
c++代码如下:

class Solution {
public:
    int findNumberOfLIS(vector<int>& nums) {
        int dp[2002],cnt[2002];
        int maxlen=0,ans=0,l=nums.size();
        for(int i=0;i<l;i++)
        {
            dp[i]=1;//初始化
            cnt[i]=1;
            for(int j=0;j<i;j++)
            {
                if(nums[i]>nums[j])
                {
                    if(dp[j]+1>dp[i])
                    {
                        dp[i]=dp[j]+1;
                        cnt[i]=cnt[j];
                    }
                    else if(dp[j]+1==dp[i])
                    {
                        cnt[i]+=cnt[j];
                    }
                }
            }
            if(dp[i]>maxlen)
            {
                maxlen=dp[i];
                ans=cnt[i];
            }
            else if(dp[i]==maxlen)
            {
                ans+=cnt[i];
            }
        }
        return ans;
    }
};

方法二:贪心 + 前缀和 + 二分查找

思路稍稍复杂,具体可以看力扣的题解:

https://leetcode-cn.com/problems/number-of-longest-increasing-subsequence/solution/zui-chang-di-zeng-zi-xu-lie-de-ge-shu-by-w12f/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,我们需要定义一个数组dp,其中dp[i]表示以A[i]为结尾的最递增序列度。 接下来,我们需要一个变量len来记录当前最递增序列度,并且初始化为1。同时,我们还需要一个变量tail,表示目前已经构建的最递增序列的最后一个元素。 然后,我们从第二个元素开始遍历整个序列A。对于每个元素A[i],我们需要找到在它之前的所有元素中,比它小的元素中最递增序列,然后把A[i]接到这个序列后面。这样,我们就可以得到以A[i]为结尾的最递增序列。 具体来说,我们可以使用二分查找来找到在A[1...i-1]中比A[i]小的元素中最递增序列。在查找过程中,我们需要维护一个tails数组,其中tails[k]表示度为k的递增序列的最后一个元素的最小值。对于每个A[i],我们都要在tails数组中找到第一个大于等于它的元素,然后用它来更新dp[i]和tails数组。 最终,最递增序列度就是dp数组中的最大值。 下面是具体的算法实现: ``` def findLongestIncreasingSubsequence(A): n = len(A) dp = [1] * n tails = [A[0]] for i in range(1, n): if A[i] < tails[0]: tails[0] = A[i] elif A[i] > tails[-1]: tails.append(A[i]) else: l, r = 0, len(tails) - 1 while l < r: mid = (l + r) // 2 if tails[mid] < A[i]: l = mid + 1 else: r = mid tails[l] = A[i] dp[i] = len(tails) return max(dp) ``` 这个算法的时间复杂度是O(n log n),其中n是序列A的度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值