导言:
本文总结最长递增子序列、最长递增区间、最长数对链,
本质上都是最长递增子序列,扩展到区间、数对,解法还是一致的。
动态规划法复杂度是O(n^2),双层循环,在这里动态规划没有节省时间,不是最优解,
贪心法需要排序+遍历,排序的时间复杂度是O(nlogn)。
在做题时,往往先想到动态规划法,但是动态规划法特别容易超时。
另外,在一维的时候,贪心+二分查找,实现上,细节较多,容易出错。
最长递增子序列300. 最长递增子序列 - 力扣(LeetCode)
动态规划法
如果模拟题目意思,直接解,那么,每到一个位置i,都要去找它的递增子序列的前序位置j,关系满足:nums[j]<nums[i],j<i
所以,直接遍历nums[:i]就好了。
动态规划解法:
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
dp=[1 for _ in nums]
for i in range(len(nums)):
for j in range(i):
if nums[i]>nums[j]:
dp[i]=max(dp[i],dp[j]+1)
return max(dp)
贪心法
如果想找到最长递增子序列,贪心想法:开始的结点最小,那么有可能最长。
在一维情况--最长递增子序列问题上,可以维护一个递增子序列d,当遇到在d的区间内的数时,插入d中,最后返回d的长度
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
d = []
for n in nums:
if not d or n > d[-1]:
d.append(n)
else:
l, r = 0, len(d) - 1
loc = r
while l <= r:
mid = (l + r) // 2
if d[mid] >= n:
loc = mid
r = mid - 1
else:
l = mid + 1
d[loc] = n
return len(d)
最长数对链和无重复区间
当这个问题扩展到数对和区间上时,由于题目要求变成了【无顺序】要求,所以反而贪心法解法变得简单,可以排序后+遍历就可以完成,【时间复杂度】的要求也变高了。
动态规划法和前面是一样的解法和思路。
贪心法:
class Solution:
def findLongestChain(self, pairs: List[List[int]]) -> int:
pairs.sort(key=lambda a:a[1])
res=0
pre=float('-inf')
for (a,b) in pairs:
if a>pre:
pre=b
res+=1
return res
需要注意的是,最优的是,贪心法。