思路
首先排序,后面一定不会存在比当前信封更大的信封。
对于严格大于,是具有传递性的,如果信封a比信封b大,则a比(所有b大于的信封)大,因此可以利用传递性进行动态规划。
dp代表该信封能装下的最大数量的信封,初始值为1,即自身,可得转移方程
dp[i] = max(dp[i], dp[j]+1) j∈(0,i);
最后dp中的最大值即是答案。
通过两次遍历暴力DP即可。
class Solution {
public:
int maxEnvelopes(vector<vector<int>>& envelopes) {
int n = envelopes.size();
vector<int> dp(n, 1);
int ans = 1;
sort(envelopes.begin(), envelopes.end());
for(int i = 1; i < n; i++) {
for(int j = 0; j < i; j++) {
if(envelopes[i][0] > envelopes[j][0] && envelopes[i][1] > envelopes[j][1]) {
dp[i] = max(dp[i], dp[j] + 1);
}
}
}
for(auto x : dp) {
ans = max(ans, x);
}
return ans;
}
};
另外可以参考力扣1996——游戏中弱角色的数量(排序)进行排序上的优化,按长度升序,长度相等的宽度降序,就只需要比较于前者的宽即可,可以避免一部分比较
class Solution {
public:
int maxEnvelopes(vector<vector<int>>& envelopes) {
int n = envelopes.size();
vector<int> dp(n, 1);
int ans = 1;
sort(envelopes.begin(), envelopes.end(), [](const auto& a, const auto& b) {
return a[0] == b[0] ? a[1] > b[1] : a[0] < b[0];
});
for(int i = 1; i < n; i++) {
for(int j = 0; j < i; j++) {
if(envelopes[i][1] > envelopes[j][1]) {
dp[i] = max(dp[i], dp[j] + 1);
}
}
}
for(auto x : dp) {
ans = max(ans, x);
}
return ans;
}
};