【最长递增子序列】python刷题记录

R4-dp

目录

常规方法遇到以下序列时就会变得错误

动态规划的思路

单调栈

ps:

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        #最简单的方法
        n=len(nums)
        if n<2:
            return n
        mx=1
        for i in range(n):
            max_i=1
            for j in range(i+1,n):
                if nums[i]<nums[j]:
                    nums[i]=nums[j]
                    max_i+=1
            mx=max(mx,max_i)
        return mx

常规方法遇到以下序列时就会变得错误

先取了013,但0123才是最长的

观其思路,每次遍历数组后面的部分都会被遍历到,所以我们还不如从背后出发,这恰好就是

动态规划的思路

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        #dp
        if not nums:
            return 0
        n=len(nums)
        dp=[1]*n
        for i in range(n):
            for j in range(i):
                if nums[i]>nums[j]:
                    #相比我的解法关键处理的地方
                    dp[i]=max(dp[i],dp[j]+1)
        return max(dp)

 

单调栈

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        #单调栈
        stack=[]
        for num in nums:
            if not stack or num>stack[-1]:
                stack.append(num)
            else:
                stack[bisect.bisect_left(stack,num)]=num
        return len(stack)

刁钻,合理

ps:

又get一个新知识

  • 10
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 以下是 Python 实现最长递增子序列的代码: ```python def longest_increasing_subsequence(arr): n = len(arr) # dp[i] 表示以 arr[i] 为结尾的最长递增子序列的长度 dp = [1] * n for i in range(1, n): for j in range(i): if arr[i] > arr[j]: dp[i] = max(dp[i], dp[j] + 1) return max(dp) # 示例 arr = [10, 9, 2, 5, 3, 7, 101, 18] print(longest_increasing_subsequence(arr)) # 输出 4,即 [2, 3, 7, 101] 或者 [2, 5, 7, 101] 等等 ``` 该算法的时间复杂度为 $O(n^2)$。如果需要更快的解法,可以使用二分查找的优化,时间复杂度可以优化到 $O(n\log n)$。 ### 回答2: 最长递增子序列是指在一个序列中找到一个子序列,使得子序列中的元素按照顺序递增,并且长度最长。下面是一个用Python实现最长递增子序列问题的简单算法。 首先,定义一个长度为n的数组dp,其中dp[i]表示以第i个元素结尾的最长递增子序列的长度。 然后,遍历整个数组,对于每一个元素nums[i],从0到i-1的范围内比较nums[i]和nums[j]的大小,如果nums[i]大于nums[j],则表示找到一个递增的子序列,更新dp[i]为dp[j]+1的长度。 最后,找到dp数组中的最大值,即为最长递增子序列的长度。 下面是用Python实现最长递增子序列的代码: def longestIncreasingSubsequence(nums): n = len(nums) dp = [1] * n for i in range(n): for j in range(i): if nums[i] > nums[j]: dp[i] = max(dp[i], dp[j] + 1) return max(dp) nums = [10, 9, 2, 5, 3, 7, 101, 18] print(longestIncreasingSubsequence(nums)) 输出结果为4,表示在给定的数组中最长递增子序列的长度为4。 ### 回答3: 最长递增子序列是指在一个序列中,找到一个最长的子序列,使得子序列中的元素按照从小到大的顺序排列。 解决这个问题的常见方法是使用动态规划。首先创建一个长度与原始序列相同的数组dp,用于存储以每个元素结尾的最长递增子序列的长度。初始化dp数组中的每个元素为1,表示以该元素结尾的子序列最长长度为1。 然后使用两层循环,外层循环遍历序列中的每个元素,内层循环遍历该元素之前的元素。如果当前元素大于前面的元素,并且以前面元素结尾的最长递增子序列长度加1大于当前元素结尾的最长递增子序列长度,则更新dp数组中的值。 最后遍历dp数组,找到其中的最大值,即为最长递增子序列的长度。 以下是使用python实现的代码示例: def longest_increasing_subsequence(nums): if not nums: return 0 n = len(nums) dp = [1] * n for i in range(n): for j in range(i): if nums[i] > nums[j] and dp[j] + 1 > dp[i]: dp[i] = dp[j] + 1 return max(dp) # 测试示例 nums = [10, 9, 2, 5, 3, 7, 101, 18] print(longest_increasing_subsequence(nums)) # 输出:4
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值