代码随想录算法训练营第三十七天| 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

今天是动态规划算法学习的第十天，之前有点事情把算法学习耽搁了几天，现在重新捡起来。今天的学习内容包括：最长递增子序列，最长连续递增子序列，以及最长重复子序列。都是子序列的一些问题。

300.最长递增子序列

题目链接：300. 最长递增子序列 - 力扣（LeetCode）

题目要求是给出一个序列，要求得到最长的递增子序列长度，不需要保证连续。那么对于dp数组的定义，我们定义dp[i]为从0到i的最长递增子序列长度。递推公式如下所示

if（nums[i]>nums[j]） dp[i]=max(dp[i],dp[j]+1)

初始化只需要把所有元素初始化为1，遍历顺序是从左到右遍历的二层for循环，外层循环遍历整个nums数组的元素，内层循环遍历从0到i的所有元素。具体代码实现如下所示：
 

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        vector<int> dp(nums.size()+10,1);
        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);
            }
        }
        int maxdp=-1;
        for(int i=0;i<nums.size();i++) maxdp=max(dp[i],maxdp);
        return maxdp;
    }
};

674. 最长连续递增序列

题目链接：674. 最长连续递增序列 - 力扣（LeetCode）

这个题目的要求是求解连续的最长递增子序列，相较于前一个题目就不需要去遍历前面的每个元素，状态更新只需要依赖前面的一个元素。具体代码实现如下所示：
 

class Solution {
public:
    int findLengthOfLCIS(vector<int>& nums) {
        vector<int> dp(nums.size()+10,1);
        for(int i=1;i<nums.size();i++) 
        {
            if(nums[i]>nums[i-1]) dp[i]=dp[i-1]+1;
        }
        int maxdp=-1;
        for(int i=0;i<nums.size();i++) maxdp=max(maxdp,dp[i]);
        return maxdp;
    }
};

718. 最长重复子数组 

题目链接：718. 最长重复子数组 - 力扣（LeetCode）

这个题目相比之下就更难了，是比较两个数组的最长重复子数组。对于这个题目需要用到二维dp.dp[i][j]表示第一个数组以i-1为结尾，第二个数组以j-1为结尾的最长重复子序列。这样做是因为在初始化的时候会更方便。对于递推公式，如下所示

if(nums[i-1]==nums[j-1]) dp[i][j]=dp[i-1][j-1]+1;

对于初始化操作，我们将第一行和第一列全部初始化为0即可。遍历顺序也是两层循环，都是从1开始遍历整个数组。具体代码实现如下所示：
 

class Solution {
public:
    int findLength(vector<int>& nums1, vector<int>& nums2) {
        vector<vector<int>> dp(nums1.size()+10,vector<int>(nums2.size()+10,0));
        int maxdp=-1;
        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;
                if(maxdp<dp[i][j]) maxdp=dp[i][j];
            }
        }
        return maxdp;
    }
};