LeedCode-300. 最长上升子序列
- 方法一:O(n^2)可能会超时;
- 方法二:贪心二分法,使用lower_bound();
下面是贪心+二分算法:
由于要得到最长的递增子序列,就要让序列中的数增长率尽量小;
需要注意的事项:
1.使用lower_bound()来寻找第一个大于等于当前元素的位置,然后替换值(为什么不用upper_bound(),即寻找第一个大于当前元素的位置,eg:如果当前递增序列为1-3-5-6,当前元素为5,使用upper_bound()会找到值为6的位置并替换,使序列变为1-3-5-5,导致错误)
//包含的头文件
#include <algorithm>
int LIS(vector<int>& nums)
{
vector<int> dp;
for (auto k : nums)
{
//找到第一个大于等于当前元素的dp位置
auto ite = lower_bound(dp.begin(), dp.end(), k);
//如果没找到,说明当前元素值大于dp序列中所有值,需要加入dp队列的末尾
if (ite == dp.end())
{
dp.emplace_back(k);
}
else //找到了大于或则等于的位置,替换为更小的值,始终维护dp队列的值为更小的递增序列;
{
*ite = k;
}
}
return dp.size();
}
时间复杂度较动态规划大大降低:
如果面试时不能使用lower_bound()和upper_bound(),可以自己手动实现,代码如下:
lower_bound()的实现:
如果没找到则返回末尾元素的下一个,相当于迭代器的end();
注意事项:
- while()中的结束条件:left <= right,这样才能保证当没找到合适下标时返回end(),即left+1;
- 先判断left,过滤掉小于target的元素;
- 返回值为left;
int My_lower_bound(const vector<int>& nums, int target)
{
int left = 0; //left左侧的值均<target
int right = nums.size() - 1; //right右侧的值均>=target
while (left <= right)
{
int mid = (right - left) / 2 + left;
//首先判断left,这样才能排除掉小于target的下标,如果left==right时还没找到,则返回end();
if (nums[mid] < target)
{
left = mid + 1;
}
else
{
right = mid - 1;
}
}
return left;
}
upper_bound()的实现:
int My_upper_bound(const vector<int>& nums, int target)
{
int left = 0;
int right = nums.size() - 1;
while (left<=right)
{
int mid = (right - left) / 2 + left;
if (nums[mid] <= target)
{
left = mid + 1;
}
else
{
right = mid - 1;
}
}
return left;
}