题目与题解
300.最长递增子序列
题目链接:300.最长递增子序列
代码随想录题解:300.最长递增子序列
解题思路:
一开始没有理清楚dp的含义,递推公式七改八改面目全非了,直接看答案。
看完代码随想录之后的想法
dp含义:dp[i]表示i之前包括i的以nums[i]结尾的最长递增子序列的长度。因此dp[i]表示的这个序列长度必须是包括元素nums[i]的,比如0,4,5,2,3 这个序列,nums[3]是2,序列必须包含2,此时的dp[3]表示包含2的最长递增子序列长度,该序列为0,2,dp[3]=2.
因此按顺序第一层遍历nums[i],第二层遍历nums[j](j < i),如果nums[i] > nums[j]则可以加入0-j递增子序列,dp[i]取其中最大的dp[j]+1,同时用result记录dp[i]的最大值。初始化dp[i]中的每个数为1,表示序列仅包含当前nums[i]时,长度至少为1。
class Solution {
public int lengthOfLIS(int[] nums) {
int[] dp = new int[nums.length];
Arrays.fill(dp, 1);
int result = 0;
for (int i = 0; i < nums.length; i++) {
for (int j = 0; j < i; j++) {
if (nums[i] > nums[j]){
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
result = Math.max(dp[i], result);
}
return result;
}
}
遇到的困难
一开始自己想的dp定义是对于nums[0]-nums[i]的数组,其最长递增子序列长度,但是序列可以不包括nums[i],那后面出现nums[i]变小时,实际序列长度的计算就出了问题。这题定义上还是有点绕的。
674. 最长连续递增序列
题目链接:674. 最长连续递增序列
代码随想录题解:674. 最长连续递增序列
视频讲解:动态规划之子序列问题,重点在于连续!| LeetCode:674.最长连续递增序列_哔哩哔哩_bilibili
解题思路:
跟上一题有点类似,不同点在于一个求的是序列,可以不连续。而这题要求最长连续递增序列,那么递推公式中dp[i]只能与dp[i-1]相关,否则就不连续了。
dp[i]的定义还是和上一题类似,表示包含nums[i]的最长连续递增子序列的长度。因此dp初始化仍为1。如果nums[i] > nums[i-1],说明此处存在连续递增序列,dp[i]就可以在dp[i-1]的基础上加一了。同样用result记录中途的最大dp[i],最后返回result即可。
class Solution {
public int findLengthOfLCIS(int[] nums) {
int[] dp = new int[nums.length];
Arrays.fill(dp, 1);
int result = 1;
for (int i = 1; i < nums.length; i++) {
if (nums[i] > nums[i-1]) {
dp[i] = dp[i-1] + 1;
}
result = Math.max(result, dp[i]);
}
return result;
}
}
看完代码随想录之后的想法
贪心也可以做,比较简单,如果nums[i] > nums[i-1],count++,否则count归1,中途记录最大count即可。
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
if (nums.size() == 0) return 0;
int result = 1; // 连续子序列最少也是1
int count = 1;
for (int i = 1; i < nums.size(); i++) {
if (nums[i] > nums[i - 1]) { // 连续记录
count++;
} else { // 不连续,count从头开始
count = 1;
}
if (count > result) result = count;
}
return result;
}
};
与前一题关系:概括来说,不连续递增子序列的跟前0-i 个状态有关,连续递增的子序列只跟前一个状态有关
遇到的困难
无
718. 最长重复子数组
题目链接:718. 最长重复子数组
代码随想录题解:718. 最长重复子数组
视频讲解:动态规划之子序列问题,想清楚DP数组的定义 | LeetCode:718.最长重复子数组_哔哩哔哩_bilibili
解题思路:
仍旧是没想清楚dp的定义,看答案。
看完代码随想录之后的想法
dp[i][j] :以下标i - 1为结尾的A,和以下标j - 1为结尾的B,最长重复子数组长度为dp[i][j]。 (特别注意: “以下标i - 1为结尾的A” 标明一定是 以A[i-1]为结尾的字符串 )。定义是和前面类似的,要求的最长重复子数组必然包含nums1[i]和nums2[j]。
确定递推公式
根据dp[i][j]的定义,dp[i][j]的状态只能由dp[i - 1][j - 1]推导出来。
即当A[i - 1] 和B[j - 1]相等的时候,dp[i][j] = dp[i - 1][j - 1] + 1;
根据递推公式可以看出,遍历i 和 j 要从1开始!
我个人还是比较喜欢dp和nums数组下标一一对应的方法,就是需要多初始化一次0行和0列。随想录给的答案相当于为了计算,多给了一圈没有含义的dp。
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int[][] dp = new int[nums1.length][nums2.length];
int result = 0;
// 初始化dp的第一行和第一列
for (int i = 0; i < nums1.length; i++) {
if (nums1[i] == nums2[0]) {
dp[i][0] = 1;
result = 1;
}
}
for (int j = 0; j < nums2.length; j++) {
if (nums1[0] == nums2[j]) {
dp[0][j] = 1;
result = 1;
}
}
for (int i = 1; i < nums1.length; i++) {
for (int j = 1; j < nums2.length; j++) {
if (nums1[i] == nums2[j]) {
dp[i][j] = dp[i-1][j-1] + 1;
}
result = Math.max(dp[i][j], result);
}
}
return result;
}
}
还可以用滚动数组做,因为dp[i][j]的状态只跟dp[i-1][j-1]相关,所以保留两个值的滚动数组就行
// 版本一
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int result = 0;
int[][] dp = new int[nums1.length + 1][nums2.length + 1];
for (int i = 1; i < nums1.length + 1; i++) {
for (int j = 1; j < nums2.length + 1; j++) {
if (nums1[i - 1] == nums2[j - 1]) {
dp[i][j] = dp[i - 1][j - 1] + 1;
result = Math.max(result, dp[i][j]);
}
}
}
return result;
}
}
// 版本二: 滚动数组
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int[] dp = new int[nums2.length + 1];
int result = 0;
for (int i = 1; i <= nums1.length; i++) {
for (int j = nums2.length; j > 0; j--) {
if (nums1[i - 1] == nums2[j - 1]) {
dp[j] = dp[j - 1] + 1;
} else {
dp[j] = 0;
}
result = Math.max(result, dp[j]);
}
}
return result;
}
}
遇到的困难
dp的定义非常重要,理清楚了才能写出正确的递推公式。
今日收获
学习了一系列数组序列相关的动态规划题,有一点点感觉了。