算法分析与设计课程作业第二十周#1

算法分析与设计课程作业第二十周#1

期末考也结束了，为了凑个整数，写多一篇复习时看的题吧。算法这门课感觉自己考得还算满意，而人工智能就惨不忍睹了。
这道是复习时看的一道题。

300. Longest Increasing Subsequence

Given an unsorted array of integers, find the length of longest increasing subsequence.
For example,
Given [10, 9, 2, 5, 3, 7, 101, 18],
The longest increasing subsequence is [2, 3, 7, 101], therefore the length is 4. Note that there may be more than one LIS combination, it is only necessary for you to return the length.
Your algorithm should run in O(n2) complexity.
Follow up: Could you improve it to O(n log n) time complexity?

思路

可以用贪心算法的思路，遍历序列，每次从序列中看当前那个数能否放到找到的临时序列中，即如果找到的数大于所有找到的临时序列的数，就置其于末尾，找到的序列长度加一，如果不是就用它换掉第一个大于它的数（为了为开始确定更长的子序列（可能以被换掉的数承接）提供可能）。注意最后的临时序列并不是最长子序列，但其长度与最长子序列相等。
使用二分查找可使得每次查找复杂度为O（log2n），总体时间复杂度为O(nlog2n)。
顺带一提，

代码

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
    vector<int> res;
    for(int i=0; i<nums.size(); i++) {
        vector<int>::iterator it = lower_bound(res.begin(), res.end(), nums[i]);
        if(it==res.end()) res.push_back(nums[i]);
        else *it = nums[i];
    }
    return res.size();
}
};