第七周作业3 -- 最长递增子序列

实现功能:产生一个随机整型数组(默认长度为10),并找出数组的最长递增子序列。

采用动态规划思想,参考资料:最长递增子序列详解


代码实现:

package homework.seven;

public class LongestIncreasingSubsequence {
	
	/**
	 * @param n 指定数组长度
	 * @param maxValue 指定随机数组元素的最大值
	 * @return  返回随机int[n]
	 */
	public int[] creatRandomArray(int n,int maxValue){
		int[] randomArray = new int[n];
		for(int i=0;i<n;i++){
			randomArray[i] = (int)(Math.random()*maxValue);
		}
		//输出生成的随机数组
		for(int i:randomArray){
			System.out.print(i+"\t");
		}
		System.out.println();
		return randomArray;
	}
	
	/**
	 * @param array 需执行寻找最长子序列的数组
	 * @return 最长子序列数组
	 */
	public int[] list(int array[])  
	{  
		int length = array.length;
		int[] currentMaxLenght = new int[length];
		
	    int i, j, k, max,maxLength;  
	 
	    //以当前元素作为最大值的递增子序列  
	    int[] maxElements = new int[length];  
	  
	    for(i = 0; i < length; ++i)  
	    {  
	        currentMaxLenght[i] = 1;  
	        maxElements[i] = i;  
	    }  
	  
	    for(i = 1, max = 1, k = 0; i < length; ++i)  
	    {  
	        //找到以array[i]为最大元素的最长递增子序列  
	        for(j = 0; j < i; ++j)  
	        {  
	            //递增(亦可递减>)
	            if(array[j] < array[i] && currentMaxLenght[j] + 1> currentMaxLenght[i])  
	            {  
	                currentMaxLenght[i] = currentMaxLenght[j] + 1;  
	                maxElements[i] = j;  
	  
	                //当前最长递增子序列的长度  
	                if(max < currentMaxLenght[i])  
	                {  
	                    max = currentMaxLenght[i];  
	                    k = i;  
	                }  
	            }  
	        }  
	    }  
	  
	    //输出以当前元素作为最大元素的最长递增序列长度
		for(int q: currentMaxLenght){
			System.out.print(q+"\t");
		}
		System.out.println();
	    
		maxLength = getMaxValueOfArray(currentMaxLenght);
		int[] maxValue = new int[maxLength];
	    i = max - 1;  
	    
	    while(maxElements[k] != k)  
	    {  
	    	maxValue[i--] = array[k];  
	        k = maxElements[k];  
	    }  
	  
	    maxValue[i] = array[k];  
	  
	    return maxValue;  
	} 
	
	/**
	 * @param array 需找出最大元素的整型数组
	 * @return 数组的最大元素值
	 */
	public int getMaxValueOfArray(int[] array){
		int value=0,length=array.length;
		for(int n=0;n<length;n++){
			value = array[n]>value?array[n]:value;
		}
		return value;
	}
	
	public static void main(String[] args) {
		LongestIncreasingSubsequence aa = new LongestIncreasingSubsequence();
		System.err.println("①生成的随机数组:");
		System.err.println("②以当前元素作为最大元素的最长递增序列长度:");
		System.err.println("③随机数组的最长递增子序列:\n");
		int[] array = aa.creatRandomArray(10, 100);
		int[] value = aa.list(array);
		for(int i: value){
			System.out.print(i+"\t");
		}
	}
}


测试结果:






  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 以下是 Python 实现最长递增子序列的代码: ```python def longest_increasing_subsequence(arr): n = len(arr) # dp[i] 表示以 arr[i] 为结尾的最长递增子序列的长度 dp = [1] * n for i in range(1, n): for j in range(i): if arr[i] > arr[j]: dp[i] = max(dp[i], dp[j] + 1) return max(dp) # 示例 arr = [10, 9, 2, 5, 3, 7, 101, 18] print(longest_increasing_subsequence(arr)) # 输出 4,即 [2, 3, 7, 101] 或者 [2, 5, 7, 101] 等等 ``` 该算法的时间复杂度为 $O(n^2)$。如果需要更快的解法,可以使用二分查找的优化,时间复杂度可以优化到 $O(n\log n)$。 ### 回答2: 最长递增子序列是指在一个序列中找到一个子序列,使得子序列中的元素按照顺序递增,并且长度最长。下面是一个用Python实现最长递增子序列问题的简单算法。 首先,定义一个长度为n的数组dp,其中dp[i]表示以第i个元素结尾的最长递增子序列的长度。 然后,遍历整个数组,对于每一个元素nums[i],从0到i-1的范围内比较nums[i]和nums[j]的大小,如果nums[i]大于nums[j],则表示找到一个递增的子序列,更新dp[i]为dp[j]+1的长度。 最后,找到dp数组中的最大值,即为最长递增子序列的长度。 下面是用Python实现最长递增子序列的代码: def longestIncreasingSubsequence(nums): n = len(nums) dp = [1] * n for i in range(n): for j in range(i): if nums[i] > nums[j]: dp[i] = max(dp[i], dp[j] + 1) return max(dp) nums = [10, 9, 2, 5, 3, 7, 101, 18] print(longestIncreasingSubsequence(nums)) 输出结果为4,表示在给定的数组中最长递增子序列的长度为4。 ### 回答3: 最长递增子序列是指在一个序列中,找到一个最长的子序列,使得子序列中的元素按照从小到大的顺序排列。 解决这个问题的常见方法是使用动态规划。首先创建一个长度与原始序列相同的数组dp,用于存储以每个元素结尾的最长递增子序列的长度。初始化dp数组中的每个元素为1,表示以该元素结尾的子序列最长长度为1。 然后使用两层循环,外层循环遍历序列中的每个元素,内层循环遍历该元素之前的元素。如果当前元素大于前面的元素,并且以前面元素结尾的最长递增子序列长度加1大于当前元素结尾的最长递增子序列长度,则更新dp数组中的值。 最后遍历dp数组,找到其中的最大值,即为最长递增子序列的长度。 以下是使用python实现的代码示例: def longest_increasing_subsequence(nums): if not nums: return 0 n = len(nums) dp = [1] * n for i in range(n): for j in range(i): if nums[i] > nums[j] and dp[j] + 1 > dp[i]: dp[i] = dp[j] + 1 return max(dp) # 测试示例 nums = [10, 9, 2, 5, 3, 7, 101, 18] print(longest_increasing_subsequence(nums)) # 输出:4

“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