description
给你一个整数数组 nums ,找到其中最长严格递增子序列的长度。
子序列是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其余元素的顺序。例如,[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。
示例 1:
输入:nums = [10,9,2,5,3,7,101,18]
输出:4
解释:最长递增子序列是 [2,3,7,101],因此长度为 4 。
示例2:
输入:nums = [0,1,0,3,2,3]
输出:4
示例3:
输入:nums = [7,7,7,7,7,7,7]
输出:1
提示:
1 <= nums.length <= 2500
-104 <= nums[i] <= 104
进阶:
你可以设计时间复杂度为 O(n2) 的解决方案吗?
你能将算法的时间复杂度降低到 O(n log(n)) 吗?
分析
首先,本题要求结果是严格递增的子序列,最为朴素的方法就是:从nums数组的首位开始,一个个地向后遍历,如果有大于它的数,则计入子序列数组中,一趟下来找到一个子序列,添加到符合要求的子序列集合中;之后再从第二个数开始向后找,直到数组末尾,再将本趟找到的子序列添加到子序列集合中…如此反复,产生了一个符合要求的子序列集合,在其中找到最长的子序列长度,即为答案。该方法的时间复杂度即为O(n2)。
解法1:动态规划(暴力)
由上述分析,我们可以换个方式,遍历nums中的每一个数,统计以下标 i 结尾的元素的最长上升子序列的长度,使用dp[ i ]表示以 i 结尾的序列中,最长递增子序列的长度。最后,整个数组的最长递增子序列即所有 dp[ i ] 中的最大值。
这里我们可以定义状态转移方程:
- dp[ i ] = max (dp[ j ]) + 1 , 其中 0 ≤ j< i 且 num[ j ] < num[ i ]
即:往 dp[0…i-1] 中最长的递增子序列后面再加一个 nums[ i ]。由于 dp[ j ] 代表 nums[0…j] 中以 nums[ j ] 结尾的最长递增子序列,所以若要更新,那么 nums[ i ] 必然要大于 nums[ j ],才能将 nums[ i ] 放在 nums[ j ] 后面以形成更长的递增子序列。
代码实现
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int n = nums.size();
if(n == 0) return 0;
vector