题目:
题解:
思路1:动态规划,时间复杂度O(n2),空间复杂度为O(n)。
- 状态:f[i] 表示以 a[i] 结尾的最长上升子序列的长度
- 状态转移方程:
f[i]=max(f[i],f[j]+1)
。设j∈[0,i),考虑每轮计算新 f[i] 时,遍历[0,i)列表区间。若 f[j]<f[i],那么f[i]=max(f[i],f[j]+1)
;否则 f[i] 不变。
思路2:动态规划+二分查找,时间复杂度O(nlogn),空间复杂度O(n)。
- 思路2是思路1的优化,计算每个dp值需要O(n)的时间复杂度,二分查找num需要O(logn)的时间复杂度。
- 遍历nums,我们需要找到大于等于num的最小值的位置idx。若idx大于等于dp数组的大小,则表示我们需要将num添加到dp后面,这样可维持上升子序列的增长;若idx小于dp数组的大小,则表示我们需要更新dp[idx]的值,这样可保证上升子序列中每个值相对较小。
代码如下:
class Solution {
public:
// LIS经典dp
int lengthOfLIS_1(vector<int>& a) {
int n=a.size();
// 初始化:所有以a[i]结尾的子序列长度至少为1
vector<int> f(n,1);
// 进行状态计算;由于j是小于i的,所以之前由小到大枚举i时,比i小的j已经被计算过了
// 此时用的就是计算过的上升子序列的最大值f[j],进而进行状态转移
for(int i=0;i<n;++i)
for(int j=0;j<i;++j)
if(a[j]<a[i])f[i]=max(f[j]+1,f[i]);// 可以进行状态转移
return *max_element(f.begin(),f.end());
}
// 优化为二分解法
int lengthOfLIS(vector<int>& a)
{
int n=a.size();
// f用来存储存放子序列的结尾最小值,如f[i]=c,表示长度为i+1的递增子序列的结尾最小值为c
// 下标和长度有1的偏差
vector<int> f;
for(int i=0;i<n;++i)
{
// 这里在f中寻找大于等于a[i]的元素的最小位置为pos,同时pos也是下标,即f[pos]=c,c是长度为pos+1的所有上升子序列的结尾最小值
auto pos=lower_bound(f.begin(),f.end(),a[i]);
// 若找到了>=a[i]的最小位置pos,则更小值a[i]用来更新c,这样可以让长度为pos+1所有上升子序列的结尾最小值更小,因为只有结尾数越小,上升子序列的长度越大
if(pos!=f.end())*pos=a[i];
// 若没有找到>=a[i]的最小位置pos,则添加a[i]到f的尾部,表示a[i]为长度为f.size()的所有上升子序列的结尾最小值
else f.push_back(a[i]);
}
// f[n-1]=c表示长度为n的所有上升子序列的结尾最小值为c,此时直接返回n,表示所有最长上升子序列的长度最大值
return f.size();
}
};