算法-最长上升序列
1、最长上升序列(连续)
连续的最长上升序列是很简单的,我们可以用动态规划来完成,下面给出三次优化,将其时间复杂度控制在O(n),空间复杂度控制在O(1)
状态方程
dp[i]=nums[i]>nums[i-1]?dp[i-1]+1:1;
@Test
public void test(){
int nums[]={10,9,2,2,3,7,101,18};
System.out.println(lengthOfLIS3(nums));
}
//原始版本的最大上升子序列,有三次循环,时间复杂度:O(n)空间复杂度:O(n)
public int lengthOfLIS1(int[] nums) {
if(nums.length<2){
return nums.length;
}
int[] dp=new int[nums.length];//记录到每个位置的最长值
for(int i=0;i<nums.length;i++){//每个位置至少自己是序列一部分,因此为1
dp[i]=1;
}
for(int i=1;i<nums.length;i++){
if(nums[i]>nums[i-1]){//当前大于前一个,那么dp[i]=dp[i-1]+1;
dp[i]=dp[i-1]+1;
}
}
int max=0;
for (int i=0;i<dp.length;i++){
if(dp[i]>max){//遍历寻找最大值
max=dp[i];
}
}
return max;
}
//优化时间版本的最长上升子序列。时间复杂度:O(n)空间复杂度:O(n)
//原始版本中,我们其实不需要三次循环
public int lengthOfLIS2(int[] nums) {
if(nums.length<2){
return nums.length;
}
int[] dp=new int[nums.length];
int max=1;
for(int i=1;i<nums.length;i++){
dp[i]=nums[i]>nums[i-1]?dp[i-1]+1:1;
max=Math.max(max,dp[i]);
}
return max;
}
//其实我们也不需要O(n)的空间,我们只记录前一个状态即可
//时间复杂度:O(n)空间复杂度:O(1)
public int lengthOfLIS3(int[] nums) {
if(nums.length<2){
return nums.length;
}
int max=1;
int prevLen=1;//记录前一个位置最大长度
for(int i=1;i<nums.length;i++){
int currLen=nums[i]>nums[i-1]?prevLen+1:1;
prevLen=currLen;
max=Math.max(max,currLen);
}
return max;
}
2、最长上升序列(非连续)
对于非连续型的来讲,事情变得不简单了
不过我们仍然可以使用动态规划来解决这个问题
我们可以想一下dp[i]的值在连续之前,取的是dp[i-1]+1
那么在不连续的情况下,我们的取值应该是max(dp[0~(i-1)])+1
具体怎么做呢,我们在里面使用一个内层循环来完成
public int lengthOfLIS1(int[] nums) {
if(nums.length<2){
return nums.length;
}
int[] dp=new int[nums.length];
int max=1;
dp[0]=1;
for(int i=1;i<nums.length;i++){
dp[i]=1;
for(int j=0;j<i;j++){
if(nums[i]>nums[j]){
dp[i]=Math.max(dp[j]+1,dp[i]);
}
}
max=Math.max(dp[i],max);
}
return max;
}