代码随想Day52 | 300.最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组

300.最长递增子序列

这道题目的重点在于动态数组的定义

dp[i]：以nums[i]为结尾的最长递增子序列，因为这样定义可以进行递推；

递推：j从0-i进行对比，如果nums[i]大于nums[j]，dp[i]=dp[j]+1；

初始化：所有的元素向初始化为1；

遍历顺序：从前到后；

详细代码如下：

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

674. 最长连续递增序列

这道题的相比上一题，因为是连续递增，所以只需要和前一个num[i-1]相比即可，不再进行详细分析，详细代码如下：

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

};

718. 最长重复子数组

这道题是对两个数组进行判断，因此需要二维数组，分析如下：

dp[i][j]：以A[i-1]为结尾和以B[j-1]为结尾的数组的最长重复子数组长度；i-1的结尾的原因，是这样初始化方便写，而不需要进行额外的判断。

递推：如果两个值相等，则dp[i][j]=dp[i-1][j-1]；

初始化：根据递推公式，dp[0][0]应该是0，否则后续就无法得到想要的状态结果；

遍历：进行两层嵌套，从前往后即可；

详细代码如下：

class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2) 
{
    //二维dp
    //dp[i][j]:以A的i-1结尾，B的j-1结尾的最长重复长度
    //注意这里是为了初始化更方便
    vector<vector<int>>dp(nums1.size()+1, vector<int>(nums2.size() + 1, 0));
    int max_len = 0;
    for (int i = 1; i <= nums1.size(); i++) 
    {
        for (int j = 1; j <= nums2.size(); j++) 
        {
            if (nums1[i - 1] == nums2[j - 1]) dp[i][j] = dp[i - 1][j - 1] + 1;
            max_len = max(max_len, dp[i][j]);
        }
    }
    return max_len;
}

};

注意，上述代码可以进行空间优化，因为dp[i][j]仅和左上角元素有关，所以可以压缩维度，把i维度压缩，运用滚动数组即可，要注意的是同01背包问题一样，为了不把数据踩踏，里层的循环需要逆向，这样就不会篡改上一层的数据导致错误。

详细代码如下：

class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2)
{
    vector<int>dp(nums2.size() + 1, 0); //压缩第一个维度
    int max_len = 0;
    for (int i = 1; i <= nums1.size(); i++) 
    {
        for (int j =nums2.size(); j >= 1; j--) //防止踩踏数据
        {
            if (nums1[i - 1] == nums2[j - 1]) dp[j] = dp[j - 1] + 1;
            else dp[j] = 0; //不相等需要赋值以便下次使用
            max_len = max(max_len, dp[j]);
        }
    }
    return max_len;

}