300. 最长上升子序列
题目描述
给定一个无序的整数数组,找到其中最长上升子序列的长度。
解题思路
1. 动态规划
状态: d p [ i ] dp[i] dp[i]以nums[i]结尾的序列的最长递增子序列的长度。
比如: n u m s [ 10 , 12 , 3 , 5 , 7 , 8 ] nums[10,12,3,5,7,8] nums[10,12,3,5,7,8], d p [ 0 ] dp[0] dp[0]表示以 n u m s [ 0 ] nums[0] nums[0]结尾的最长递增子序列的长度为1。对于 d p [ 5 ] dp[5] dp[5]表示以 n u m s [ 5 ] = 8 nums[5] = 8 nums[5]=8结尾的最长递增子序列为3。
状态转移方程:递增序列,只需要找到 n u m s [ i ] nums[i] nums[i]前面比 n u m s [ i ] nums[i] nums[i]小的子序列,然后把 n u m s [ i ] nums[i] nums[i]接到最后,就可以形成一个新的递增子序列。即,新的子序列就是找到的数后加个 n u m s [ i ] nums[i] nums[i],长度加一。会找到不同的子序列,只需要找到长度最长的那个就可以了。比较当 d p [ i ] dp[i] dp[i] 的长度和 d p [ i ] dp[i] dp[i]对应产生新的子序列长度,我们用 j j j来表示所有比 i i i小的组数中的索引,过程如下:
for i in range(len(nums)):
for j in range(i):
if nums[i] > nums[j]:
dp[i] = max(dp[i],dp[j]+1)
初始条件: d p [ 0 ] dp[0] dp[0] = 1
def lengthOfLIS(self, nums: List[int]) -> int:
# dp[i] 表示长度为i的序列的最长上升子序列的长度
if len(nums)<1:
return 0
dp = [1 for i in range(len(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)
时间复杂度 O ( n 2 ) O(n^2) O(n2)
2. 优化
遍历列表 d p dp dp需要 O ( N ) O(N) O(N),计算每个 d p [ i ] dp[i] dp[i]需要 O ( N ) O(N) O(N),总体时间复杂度为 O ( N 2 ) O(N^2) O(N2) 。 遍历dp的时间复杂度无法降低,后续需要每轮遍历 [ 0 , i ] [0,i] [0,i]的 d p [ i ] dp[i] dp[i]元素的时间复杂度可以优化。让dp变成一个排序列表。
674. 最长连续递增序列
状态:
d
p
[
i
]
dp[i]
dp[i] 表示以
n
u
m
s
[
i
]
nums[i]
nums[i]结尾的最长连续递增序列长度
状态转移:如果
n
u
m
s
[
i
]
>
n
u
m
s
[
i
−
1
]
nums[i]>nums[i-1]
nums[i]>nums[i−1],
d
p
[
i
]
=
d
p
[
i
−
1
]
+
1
dp[i] = dp[i-1]+1
dp[i]=dp[i−1]+1。否则dp[i] = 1。
def findLengthOfLCIS(self, nums: List[int]) -> int:
if len(nums)<1:
return 0
dp = [1 for i in range(len(nums))]
for i in range(1,len(nums)):
if nums[i] > nums[i-1]:
dp[i] = dp[i-1]+1
else:
dp[i] = 1
return max(dp)
5. 最长回文子串
状态:
d
p
[
j
]
[
i
]
dp[j][i]
dp[j][i]表示序列
s
[
j
:
i
+
1
]
s[j:i+1]
s[j:i+1]是否为回文子串
状态转移:
(
s
[
i
]
=
=
s
[
j
]
a
n
d
i
−
j
<
2
)
o
r
(
s
[
i
]
=
=
s
[
j
]
a
n
d
d
p
[
j
+
1
]
[
i
−
1
]
=
=
1
)
(s[i] == s[j] and i -j < 2) or (s[i] == s[j] and dp[j+1][i-1]==1)
(s[i]==s[j]andi−j<2)or(s[i]==s[j]anddp[j+1][i−1]==1)则
d
p
[
j
]
[
i
]
=
1
dp[j][i] = 1
dp[j][i]=1
def longestPalindrome(self, s: str) -> str:
# dp[i][j] 表示是否是回文子串
if len(s) < 1:
return ''
result = []
dp = [[0] * len(s) for _ in range(len(s))]
for i in range(len(s)):
for j in range(i+1):
if (s[i] == s[j] and i -j < 2) or (s[i] == s[j] and dp[j+1][i-1]==1):
dp[j][i] = 1
result = s[j:i+1] if len(s[j:i+1]) > len(result) else result
return result
1143. 最长公共子序列
给定两个字符串 text1 和 text2,返回这两个字符串的最长公共子序列的长度。
状态:
d
p
[
i
]
[
j
]
dp[i][j]
dp[i][j]表示
t
e
x
t
1
[
1
:
i
]
text1[1:i]
text1[1:i]和
t
e
x
t
2
[
1
:
j
]
text2[1:j]
text2[1:j]的最长公共子序列.
状态转移矩阵:
状态转移:
- 如果 t e x t 1 [ i − 1 ] = = t e x t 2 [ j − 1 ] text1[i - 1] == text2[j - 1] text1[i−1]==text2[j−1], d p [ i ] [ j ] = 1 + d p [ i − 1 ] [ j − 1 ] dp[i][j] = 1+ dp[i-1][j-1] dp[i][j]=1+dp[i−1][j−1]
- 如果不等, d p [ i ] [ j ] = m a x ( d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] ) dp[i][j] = max(dp[i-1][j], dp[i][j-1]) dp[i][j]=max(dp[i−1][j],dp[i][j−1])
def longestCommonSubsequence(self, text1: str, text2: str) -> int:
m, n = len(text1), len(text2)
dp = [[0] * (n + 1) for _ in range(m + 1)]
for i in range(1, m + 1):
for j in range(1, n + 1):
if text1[i - 1] == text2[j - 1]:
# 找到一个 lcs 中的字符
dp[i][j] = 1 + dp[i-1][j-1]
else:
dp[i][j] = max(dp[i-1][j], dp[i][j-1])
return dp[-1][-1]
516. 最长回文子序列
给定一个字符串 s ,找到其中最长的回文子序列,并返回该序列的长度。可以假设 s 的最大长度为 1000 。
状态:
d
p
[
i
]
[
j
]
dp[i][j]
dp[i][j]表示序列字符串第i个字符到第j个字符的最大子序列长度,子问题也就是每个回文子串的长度
转移矩阵:
转移:
- s [ i ] = = s [ j ] , s [ i + 1... j − 1 ] s[i] == s[j],s[i+1...j-1] s[i]==s[j],s[i+1...j−1]这个字符串 + 2 +2 +2就是最长回文子序列
- 当 s [ i ] / = s [ j ] s[i]/=s[j] s[i]/=s[j],则说明只有一个出现在s[i,j]的最长回文子序列中。我们只需要取 s [ i − 1 , j − 1 ] s[i-1,j-1] s[i−1,j−1]加上 s [ i ] s[i] s[i]或者 s [ j ] s[j] s[j]的数值中较大的。
if s[i] == s[j]:
dp[i][j] = dp[i+1][j-1]+2
else:
dp[i][j] = max(dp[i][j-1],dp[i+1][j])
初始化:
d
p
[
i
]
[
j
]
=
1
(
i
=
j
)
dp[i][j] = 1(i=j)
dp[i][j]=1(i=j),
d
p
[
i
]
[
j
]
=
0
(
i
>
j
)
dp[i][j] =0(i>j)
dp[i][j]=0(i>j)
最后直接返回
d
p
[
0
]
[
−
1
]
dp[0][-1]
dp[0][−1]
dp = [[0]*len(s) for _ in range(len(s))]
# print(dp)
for i in range(len(s)):
dp[i][i] = 1
# 从右下角开始
for i in range(len(s),-1,-1):
for j in range(i+1,len(s)):
if s[i]==s[j]:
dp[i][j] = dp[i+1][j-1]+2
else:
dp[i][j] = max(dp[i][j-1],dp[i+1][j])
return dp[0][-1]
72. 编辑距离
152. 乘积最大子数组
给你一个整数数组 nums ,请你找出数组中乘积最大的连续子数组(该子数组中至少包含一个数字),并返回该子数组所对应的乘积。
解题思路:
1. 暴力求解
其实就是求解这样的一个矩阵,中最大的值。两次for循环就可以了。
def maxProduct(nums):
if len(nums) < 2:
return nums[0]
maxR = -float('inf')
dp = [[-float('inf')] * len(nums) for _ in range(len(nums))]
for i in range(len(nums)):
dp[i][i] = nums[i]
for i in range(len(nums)):
for j in range(i + 1, len(nums)):
dp[i][j] = (dp[i][j - 1]) * nums[j]
for i in range(len(nums)):
for j in range(i, len(nums)):
if maxR < dp[i][j]:
maxR = dp[i][j]
return maxR
时间复杂度太高了,最后一个过不了。哭哭!
2. 动态规划来啦
创建一个 d p [ i ] dp[i] dp[i],记录当前位置的满足条件的最大值与最小值;
该问题只需要考虑在当前位置所能够取到的最大值与最小值;例如:若是取到
i
i
i位置时,只需要找到
i
i
i的上一个即
i
−
1
i-1
i−1能够取得的最大值与最小值。
因为不确定
n
u
m
s
[
i
]
nums[i]
nums[i]值的正负,故我们需要记录
i
−
1
i-1
i−1位置的最大最小值,以便求得
i
i
i位置的最大最小值。
-
n u m s [ i ] > = 0 nums[i] >= 0 nums[i]>=0:
d p _ m a x [ i ] = m a x ( d p _ m a x [ i − 1 ] ∗ n u m s [ i ] , n u m s [ i ] ) dp\_max[i] = max(dp\_max[i-1] * nums[i], nums[i]) dp_max[i]=max(dp_max[i−1]∗nums[i],nums[i])
d p _ m i n [ i ] = m i n ( d p _ m i n [ i − 1 ] ∗ n u m s [ i ] , n u m s [ i ] ) dp\_min[i] = min(dp\_min[i-1] * nums[i], nums[i]) dp_min[i]=min(dp_min[i−1]∗nums[i],nums[i]) -
n u m s [ i ] < 0 nums[i] < 0 nums[i]<0:
d p _ m a x [ i ] = m a x ( d p _ m i n [ i − 1 ] ∗ n u m s [ i ] , n u m s [ i ] ) dp\_max[i] = max(dp\_min[i-1] * nums[i], nums[i]) dp_max[i]=max(dp_min[i−1]∗nums[i],nums[i])
d p _ m i n [ i ] = m i n ( d p _ m a x [ i − 1 ] ∗ n u m s [ i ] , n u m s [ i ] ) dp\_min[i] = min(dp\_max[i-1] * nums[i], nums[i]) dp_min[i]=min(dp_max[i−1]∗nums[i],nums[i])
def maxProduct(self, nums: List[int]) -> int:
if not nums:
return 0
elif len(nums)<2:
return nums[0]
nums_len = len(nums)
result = nums[0]
# dp dp_max和dp_min分别表示前i个元素的最大值和最小值
dp_max,dp_min = [0] * nums_len,[0]*nums_len
dp_max[0],dp_min[0] = nums[0],nums[0]
for i in range(1,nums_len):
# 如果nums[index]大于0
if nums[i] >= 0:
dp_max[i] = max(nums[i],dp_max[i-1]*nums[i])
dp_min[i] = min(nums[i],dp_min[i-1]*nums[i])
else:
dp_max[i] = max(nums[i],dp_min[i-1]*nums[i])
dp_min[i] = min(nums[i],dp_max[i-1]*nums[i])
result = max(result,dp_max[i])
return result
reference
[1]Leetcode 152.乘积最大子数组https://leetcode-cn.com/problems/maximum-product-subarray/submissions/
[2] Leetcode 674. 最长连续递增序列
[3] Leetcode 1143. 最长公共子序列
[4] Leetcode 300. 最长上升子序列