D52|子序列动态规划Part1

300.最长递增子序列

1.题目
给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。
子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

2.实现
困难点：局限在O(n)的时间复杂度的解法，不知道如何定义dp

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        # 看看序列长度，是可以接受O(n2)的时间复杂度
        n = len(nums)
        dp = [1] * n  # dp[i]表示包括i以内的最长严格递增序列的长度
        res = 1
        for i in range(1, n):
            for j in range(0, i):
                if nums[i] > nums[j]:
                    dp[i] = max(dp[i], dp[j] + 1)
            # print(i, "dp值：", dp[i])
            res = max(res, dp[i])
        return res        

小tips：对于子序列问题的dp定义，一般可以定义为以nums[i]结尾的状态，从而去找是与0 - i-1的数组有关还是与i-1有关，再去考虑递推公式

674. 最长连续递增序列

1.题目
给定一个未经排序的整数数组，找到最长且 连续递增的子序列，并返回该序列的长度。
连续递增的子序列 可以由两个下标 l 和 r（l < r）确定，如果对于每个 l <= i < r，都有 nums[i] < nums[i + 1] ，那么子序列 [nums[l], nums[l + 1], …, nums[r - 1], nums[r]] 就是连续递增子序列。

2.实现
比较简单~

class Solution:
    def findLengthOfLCIS(self, nums: List[int]) -> int:
        # 双指针法，去记录长度最大值
        n = len(nums)
        dp = [1] * n
        res = 1
        for i in range(1, n):
            if nums[i] > nums[i - 1]:
                dp[i] = dp[i - 1] + 1
            res = max(res, dp[i])
        return res

718. 最长重复子数组

1.题目
给两个整数数组 A 和 B ，返回两个数组中公共的、长度最长的子数组的长度。

2.实现
困难点：没想到将两个数组定义为二维的情况
代码实现小tips：
dp[i][j]为什么是讨论以nums1[i - 1] 和 nums[j - 1] 结尾的情况，因为可能长度就是为0，所以为了便于初始化和根据递推公式可发现，讨论第一个元素结尾的话应该为dp[1][1]最为方便~

class Solution:
    def findLength(self, nums1: List[int], nums2: List[int]) -> int:
        # dp[i][j]表示nums1[i - 1]结尾,nums2[j - 1]结尾的满足条件的最大长度
        n, m = len(nums1), len(nums2)
        dp = [[0]*(m + 1) for _ in range(n + 1)] # n+1行m+1列
        res = 0
        for i in range(1, n + 1):
            for j in range(1, m + 1):
                if nums1[i - 1] == nums2[j - 1]:
                    dp[i][j] = dp[i - 1][j - 1] + 1
                res = max(res, dp[i][j])
        return res        

此处可以使用滚动数组~

文章讲解