334. 递增的三元子序列

1.题目

给你一个整数数组 nums ，判断这个数组中是否存在长度为 3 的递增子序列。如果存在这样的三元组下标 (i, j, k) 且满足 i < j < k ，使得 nums[i] < nums[j] < nums[k] ，返回 true ；否则，返回 false 。

示例 1：
输入：nums = [1,2,3,4,5]
输出：true
解释：任何 i < j < k 的三元组都满足题意

示例 2：
输入：nums = [5,4,3,2,1]
输出：false
解释：不存在满足题意的三元组

示例 3：
输入：nums = [2,1,5,0,4,6]
输出：true
解释：三元组 (3, 4, 5) 满足题意，因为 nums[3] == 0 < nums[4] == 4 < nums[5] == 6

提示：
1 <= nums.length <= 5 * 105
-231 <= nums[i] <= 231 - 1
进阶：你能实现时间复杂度为 O(n) ，空间复杂度为 O(1) 的解决方案吗？

2.解题思路

• 方法：贪心算法

2.1 贪心算法

• 含义
  所谓贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。虽然贪心算法不能对所有问题都得到整体最优解，但对许多问题它能产生整体最优解。如单源最短路经问题，最小生成树问题等。在一些情况下，即使贪心算法不能得到整体最优解，其最终结果却是最优解的很好近似。
  贪心算法没有固定的算法框架，算法设计的关键是贪心策略的选择。必须注意的是，贪心算法不是对所有问题都能得到整体最优解，选择的贪心策略必须具备无后效性。所谓无后效性是指：“下一时刻的状态只与当前状态有关，而和当前状态之前的状态无关，当前状态是对以往决策的总结”。所以对所采用的贪心策略一定要仔细分析其是否满足无后效性。
• 基本要素
  贪心选择性质
  所谓贪心选择性质是指所求问题的整体最优解可以通过一系列局部最优解的选择，即贪心选择来达到。贪心策略所使用的前提是：局部最优策略能导致产生全局最优解。
  贪心算法通过解局部最优解策略来达到全局最优解。
  最优子结构性质
  当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构性质。
• 基本思路
  建立数学模型来描述问题。
  把求解的问题分成若干个子问题。
  对每一子问题求解，得到子问题的局部最优解。
  把子问题的局部最优解合成原来解问题的一个解。
  从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。当达到算法中的某一步不能再继续前进时，算法停止。
  不能再继续前进的算法存在的问题：
  不能保证求得的最后解是最佳的；
  不能用来求最大或最小解问题；
  只能求满足某些约束条件的可行解的范围。
• 注意
  遵循某种规则，根据当前状态不断贪心地选取当前最优策略的算法设计方法。
  贪心算法是否可行可通过证明证明出来。
  贪心算法没有模板和框架，更重要的是思想。

3.代码

object Solution {
  def increasingTriplet(nums: Array[Int]): Boolean = {
     var len = nums.length
    if(len<3)  return false
    var first = nums(0)
    var second = Integer.MAX_VALUE
    for (i<-1 until len){
      var num = nums(i)
      if(num>second) return true
      else if (num>first) second = num
      else  first = num
    }
    return false
  }
}