376. 摆动序列

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

题目描述

如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为 摆动序列 。第一个差（如果存在的话）可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。

例如， [1, 7, 4, 9, 2, 5] 是一个 摆动序列 ，因为差值 (6, -3, 5, -7, 3) 是正负交替出现的。

相反，[1, 4, 7, 2, 5] 和 [1, 7, 4, 5, 5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。
子序列 可以通过从原始序列中删除一些（也可以不删除）元素来获得，剩下的元素保持其原始顺序。

给你一个整数数组 nums ，返回 nums 中作为 摆动序列 的 最长子序列的长度 。

示例 1：

输入：nums = [1,7,4,9,2,5]
输出：6
解释：整个序列均为摆动序列，各元素之间的差值为 (6, -3, 5, -7, 3) 。
示例 2：

输入：nums = [1,17,5,10,13,15,10,5,16,8]
输出：7
解释：这个序列包含几个长度为 7 摆动序列。
其中一个是 [1, 17, 10, 13, 10, 16, 8] ，各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。
示例 3：

输入：nums = [1,2,3,4,5,6,7,8,9]
输出：2

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/wiggle-subsequence
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

---

解题过程

解题思路

动态规划：本题需要两个动态规划数组，因为要根据子序列的最后两个元素的上升和下降趋势决定最长子序列长度。up[i]表示前i个元素中上升趋势结尾的最长子序列长度，down[i]表示前i个元素中下降趋势结尾的最长子序列长度。
三种情况：
1、nums[i] > nums[i - 1]，表示是上升趋势的，则
up[i] = Math.max(up[i - 1], down[i - 1] + 1);//这里因为down[i - 1]本身是下降趋势的，假设down[i - 1]最后一个元素是last，两种情况：last < nums[i - 1]，直接让它跃迁到nums[i]上，last > nums[i - 1]，把nums[i - 1]和last换一下，同样可以让它跃迁到nums[i]上；
down[i] = down[i - 1];
2、nums[i] < nums[i - 1]，分析同1，
up[i] = up[i - 1];
down[i] = Math.max(down[i - 1], up[i - 1] + 1);；
3、nums[i] == nums[i - 1]，前后两个相同了，无论是up还是down都只能等于上一个，即
up[i] = up[i - 1];
down[i] = down[i - 1];

class Solution {
    public int wiggleMaxLength(int[] nums) {
        //动态规划数组有两个，up[i]表示上升趋势结尾的最长子序列长度，down[i]表示下降趋势结尾的最长子序列长度
        int [] up = new int[nums.length];
        int [] down = new int[nums.length];

        up[0] = 1;
        down[0] = 1;

        for(int i = 1;i < nums.length; i++){
            if(nums[i] > nums[i - 1]){
                up[i] = Math.max(up[i - 1], down[i - 1] + 1);
                down[i] = down[i - 1];
            }else if(nums[i] < nums[i - 1]){
                up[i] = up[i - 1];
                down[i] = Math.max(down[i - 1], up[i - 1] + 1);
            }else{
                up[i] = up[i - 1];
                down[i] = down[i - 1];
            }
        }

        return Math.max(up[nums.length - 1], down[nums.length - 1]);

    }
}

总结