严格递增
最长递增子序列,给定一个无序整数数组nums(字符串也可以,不重要),给出最长严格递增子序列的长度。比如输入[1, 2 , 1, -1, 1, 4, 0],输出3,最长递增子序列[1, 2, 4],当然可能不唯一,[-1, 1, 4]也是一个,但是并不影响长度。
强行遍历就不说了,时间复杂度O(2^n),简直爆炸。
思路1:动态规划,建立一个数组dp,dp[i]记录nums[0:i]的最长递增子序列的长度。
d
p
[
i
]
=
m
a
x
(
d
p
[
j
]
+
1
)
,
j
∈
{
j
∣
n
u
m
s
[
j
]
<
n
u
m
s
[
i
]
,
0
<
=
j
<
i
}
dp[i] = max(dp[j]+1),j∈\{ j | nums[j] < nums[i], 0 <= j < i\}
dp[i]=max(dp[j]+1),j∈{j∣nums[j]<nums[i],0<=j<i}
输出max(dp)即可,时间复杂度O(n^2),空间复杂度O(n)。
public int maxLengthCSub(int[] nums) {
if(nums == null) {
return 0;
}
int len = nums.length;
if(len == 0 || len == 1) {
return len;
}
int maxLen = 1;
int[] dp = new int[len];
for(int i = 0; i < len; i++) {
dp[i] = 1;
for(int j = 0; j < i; j++) {
if(nums[i] > nums[j]) {
dp[i] = Math.max(dp[i], dp[j]+1); // 更新dp[i]
maxLen = Math.max(maxLen, dp[i]); // 更新最大值
}
}
}
return maxLen;
}
思路2:动态规划+二分查找
同样建立一个数组dp,但是这里dp记录的是上升子序列,遍历nums室,用nums的元素填充dp,填充规则是什么呢?首先利用二分查找找到nums[i]在dp中应该插入的位置j,若j==当前dp的长度,则在dp末尾插入nums[i],maxLen加一,否则dp[j]=nums[i]。这里可能有个疑问,比如说nums[i0]=1放入dp[1],在后面的遍历中有一个nums[i1]=-1也需要放入dp[1],此时不会影响长度的计算吗?答案是不会,用一个例子比较容易理解。
input:[1, 2 , 1, -1, 1, 4, 0]
dp:[1], maxLen = 1
dp:[1, 2], maxLen = 2
dp:[1, 2], maxLen = 2
dp:[-1, 2], maxLen = 2
dp:[-1, 1], maxLen = 2
dp:[-1, 1, 4], maxLen = 3
dp:[-1, 0, 4], maxLen = 3
这里[-1, 0, 4]虽然不是一个最长递增子序列,但是并不会影响maxLen的值。
时间复杂度O(nlgn),空间复杂度O(n)。
public int maxLengthCSub(int[] nums) {
if(nums == null) {
return 0;
}
if(nums.length == 0 || nums.length == 1){
return nums.length;
}
int[] dp = new int[nums.length];
int maxLen = 0;
for(int i = 0; i < nums.length; i++){
int index = findIndex(dp, maxLen, nums[i]);
dp[index] = nums[i];
if(index == maxLen)
maxLen++;
}
return maxLen;
}
// 二分查找,找到target在nums[0:len-1]的插入位置
public int findIndex(int[] nums, int len, int target){
if(len == 0)
return 0;
int low = 0;
int high = len;
if(target <= nums[low])
return 0;
if(target > nums[len-1])
return len;
while(low < high){
int middle = low + (high-low)/2;
if(target > nums[middle]) // 右边
low = middle + 1;
else
high = middle;
}
return low;
}
非严格递增
思路1:同严格递增的思路1,只需要在比较的时候加个等号:
d
p
[
i
]
=
m
a
x
(
d
p
[
j
]
+
1
)
,
j
∈
{
j
∣
n
u
m
s
[
j
]
<
=
n
u
m
s
[
i
]
,
0
<
=
j
<
i
}
dp[i] = max(dp[j]+1),j∈\{ j | nums[j] <= nums[i], 0 <= j < i\}
dp[i]=max(dp[j]+1),j∈{j∣nums[j]<=nums[i],0<=j<i}
思路2:基本类似严格递增的思路1,但是这里插入的规则是要变的,不再是用二分查找插入dp,其插入位置要保证
d
p
[
i
−
1
]
<
=
d
p
[
i
]
<
d
p
[
i
+
1
]
dp[i-1] <= dp[i] < dp[i+1]
dp[i−1]<=dp[i]<dp[i+1]
边界情况这里就不分析了,程序里也不需要进行分析,只需要求出i即可,同样求出i==maxLen,maxLen加一。还是通过一个例子来看。
input:[1, 2 , 1, -1, 1, 4, 0]
dp:[1], maxLen = 1
dp:[1, 2], maxLen = 2
dp:[1, 1], maxLen = 2
dp:[-1, 1], maxLen = 2
dp:[-1, 1, 1], maxLen = 3
dp:[-1, 1, 1, 4], maxLen = 4
dp:[-1, 0, 1, 4], maxLen = 4
看出不一样来了吧,主要是1的插入位置,不在是替换掉前面的1,而是在前面的1的后面放入新的1。
public int maxLengthCSub(int[] nums) {
if(nums == null) {
return 0;
}
int len = nums.length;
if(len == 0 || len == 1) {
return len;
}
int[] dp = new int[len];
int maxLen = 0;
for(int i = 0; i < len; i++) {
int tmp = findIndex(dp, maxLen, nums[i]); // 无重复数字时的插入位置
int tmp2 = findRIndex(dp, tmp, nums[i]); // 有重复数字时的插入位置
tmp = tmp2 == -1 ? tmp:tmp2;
dp[tmp] = nums[i];
if(tmp == maxLen)
maxLen++;
}
return maxLen;
}
// 同严格递增
// 二分查找,找到target在nums[0:len-1]的插入位置
public int findIndex(int[] nums, int len, int target){
if(len == 0)
return 0;
int low = 0;
int high = len;
if(target <= nums[low])
return 0;
if(target > nums[len-1])
return len;
while(low < high){
int middle = low + (high-low)/2;
if(target > nums[middle]) // 右边
low = middle + 1;
else
high = middle;
}
return low;
}
// 返回-1时,正常使用二分查找即可
public int findRIndex(int[] nums, int low, int tar) {
if(low >= nums.length || low < 0)
return -1;
if(nums[low] != tar) { // 说明没有重复值
return -1;
}
int high = low + 1;
while(high < nums.length && nums[high] == nums[low]) {
high++;
}
return high;
}