题目地址:
难度:中等
今天刷,大家有兴趣可以点上面链接,看看题目要求,试着做一下。
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。
我们直接看题解吧:
快速理解解题思路小建议:
可以先简单看一下解题思路,然后照着代码看思路,会更容易理解一些。
审题目+事例+提示:
严格递增 即连续递增
解题方法:
方法一是 动态规划
方法二是 动态规划+二分法
解题方法分析:
解法一中,遍历计算 dp列表需 O(N),计算每个 dp[k] 需 O(N)。动态规划中,通过线性遍历来计算 dp的复杂度无法降低,每轮计算中,需要通过线性遍历 [0,k)区间元素来得到 dp[k] 。
因此,可以通过重新设计状态定义,使整个 dp为一个排序列表,这样在计算每个 dp[k] 时,就可以通过二分法遍历 [0,k)区间元素,将此部分复杂度由 O(N)降至 O(logN)。
解题分析:
新的状态定义:
我们考虑维护一个列表 tails,其中每个元素 tails[k] 的值代表 长度为 k+1的子序列尾部元素的值。如 [1,4,6]序列,长度为 1,2,3的子序列尾部元素值分别为 tails=[1,4,6]。
状态转移设计:
设常量数字 N,和随机数字 x,我们可以容易推出:当 N 越小时,N<x 的几率越大。例如: N=0肯定比 N=1000更可能满足 N<x。
在遍历计算每个 tails[k],不断更新长度为 [1,k] 的子序列尾部元素值,始终保持每个尾部元素值最小 (例如 [1,5,3], 遍历到元素 5时,长度为 2的子序列尾部元素值为 5;当遍历到元素 3时,尾部元素值应更新至 3,因为 3 遇到比它大的数字的几率更大)。tails列表一定是严格递增的: 即当尽可能使每个子序列尾部元素值最小的前提下,子序列越长,其序列尾部元素值一定更大。
反证法证明: 当 k<i,若 tails[k]>=tails[i],代表较短子序列的尾部元素的值 >较长子序列的尾部元素的值。这是不可能的,因为从长度为 i的子序列尾部倒序删除 i−1个元素,剩下的为长度为 k 的子序列,设此序列尾部元素值为 v,则一定有 v<tails[i] (即长度为 k 的子序列尾部元素值一定更小), 这和 tails[k]>=tails[i]矛盾。
既然严格递增,每轮计算 tails[k]时就可以使用二分法查找需要更新的尾部元素值的对应索引 i。
解题思路:
1、状态定义: tails[k]的值代表 长度为 k+1子序列 的尾部元素值。
2、转移方程: 设 res为 tails 当前长度,代表直到当前的最长上升子序列长度。
设 j∈[0,res),考虑每轮遍历 nums[k]时,通过二分法遍历 [0,res)列表区间,找出 nums[k]的大小分界点,会出现两种情况:
· 区间中存在 tails[i]>nums[k]: 将第一个满足 tails[i]>nums[k] 执行 tails[i]=nums[k] ;因为更小的 nums[k] 后更可能接一个比它大的数字(前面分析过)。
· 区间中不存在 tails[i]>nums[k] : 意味着 nums[k] 可以接在前面所有长度的子序列之后,因此肯定是接到最长的后面(长度为 res ),新子序列长度为 res+1。
3、初始状态:令 tails列表所有值 =0。
4、返回值: 返回 res ,即最长上升子子序列长度。
代码实现(方法二):
// Dynamic programming + Dichotomy.
class Solution {
public int lengthOfLIS(int[] nums) {
int[] tails = new int[nums.length];
int res = 0;
for(int num : nums) {
int i = 0, j = res;
while(i < j) {
int m = (i + j) / 2;
if(tails[m] < num) i = m + 1;
else j = m;
}
tails[i] = num;
if(res == j) res++;
}
return res;
}
}
代码实现(方法一):
// Dynamic programming.
class Solution {
public int lengthOfLIS(int[] nums) {
if(nums.length == 0) return 0;
int[] dp = new int[nums.length];
int res = 0;
Arrays.fill(dp, 1);
for(int i = 0; i < nums.length; i++) {
for(int j = 0; j < i; j++) {
if(nums[j] < nums[i]) dp[i] = Math.max(dp[i], dp[j] + 1);
}
res = Math.max(res, dp[i]);
}
return res;
}
}