300. 最长上升子序列
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。
示例:
输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101],它的长度是 4。
说明:
- 可能会有多种最长上升子序列的组合,你只需要输出对应的长度即可。
- 你算法的时间复杂度应该为 O(n2) 。
进阶: 你能将算法的时间复杂度降低到 O(n log n) 吗?
分析:动态规划适合于求解组合优化问题、方案数等,本题中所求为最长上升子序列为求解最大值问题。
动态规划需要步骤:
1、状态定义
2、状态转移方程的定义
3、初始化
方法1
public int lengthOfLIS1(int[] nums) {
int n = nums.length;
int[][] dp = new int[n + 1][2];
// 1 dp[i][0]为前i个数中不包含i的最长上升子序列,dp[i][1]为前i个数中包含i的最长上升子序列
for (int i = 1; i <= n; i++) {
// 选择i所对应的数 长度最少为1
dp[i][1] = 1;
// 不选择i所对应的数 长度为从前i - 1当中选无论包含或者不包含i - 1这个数的最大值
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1]); // 2.1 不包含i的最大值为前i - 1个数当中包含和不包含i - 1的最大值
for (int j = i - 1; j >= 1; j--) {
if (nums[i - 1] > nums[j - 1]) {
// 2.2 包含i的最大值为前i - 1个数当中大于i所对应的数 x 的最大值、且是选择 x 的最大值
dp[i][1] = Math.max(dp[j][1] + 1, dp[i][1]);
}
}
}
return Math.max(dp[n][0], dp[n][1]);
}
方法1
/**
* 状态定义:dp[i] 以 i 所对应的数结尾的最长上升子序列
* 状态转移方程的定义:以 i 结尾的子序列分为两个部分(子序列只包含i这个数 | 子序列不仅仅包含i这个数 还包含了比i小的数所组成的序列),
* 基准值:当序列不包含元素时长度为0
*/
public int lengthOfLIS2(int[] nums) {
int n = nums.length, ans = 0;
int[] dp = new int[n + 1];
for (int i = 1; i <= n; i++) {
dp[i] = 1;
for (int j = i - 1; j >= 1; j--) {
if (nums[i - 1] > nums[j - 1]) {
dp[i] = Math.max(dp[j] + 1, dp[i]);
}
}
ans = Math.max(ans, dp[i]);
}
return ans;
}
方法3
**/**
* 维护一个排序的序列xs 区间为从0 ~ last
* 对于每个数查询是否包含在该序列xs中 二分查找
* 包含? 不做任何操作
* 不好含? 有两种情况
* 1、可以接到xs这个序列的结尾 则长度 + 1
* 2、不可以可以接到xs这个序列的结尾 更新该元素到序列中
*/
public int lengthOfLIS(int[] nums) {
int n = nums.length, ans = 0, last = 0;
int[] xs = new int[n];
for (int num : nums) {
int bound = Arrays.binarySearch(xs, 0, last, num);
if (bound < 0) {
bound = -bound - 1;
xs[bound] = num;
ans = Math.max(bound + 1, ans);
last = ans;
}
}
return ans;
}**