300. 最长递增子序列
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?
解答
dp[i]表示以nums[i]结尾的最长递增子序列大小。
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int res=0;
int len=nums.size();
vector<int> dp(len,1);
for(int i=0;i<len;i++){
for(int j=0;j<i;j++){
if(nums[i]>nums[j])
dp[i]=max(dp[i],dp[j]+1);
}
res=max(res,dp[i]);
}
return res;
}
};
二分+dp思路
/*
q[i] 表示长度为i+1的最长上升子序列,结尾最小是多少。
q[i] 是严格单调递增的。
对于当前数x,在q里二分出第一个大于等于x的q[i], q[i] = x;
*/
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int tt = 0;
vector<int> q(nums.size());
for (auto x : nums)
{
if (!tt || x > q[tt - 1]) q[tt++] = x;//!tt就是为空,tt-1就是q的back,tt就是当前最长递增子序列的长度,如果大于back就会加1。
else
{
int l = 0, r = tt - 1;
while (l < r)
{
int mid = l + r >> 1;
if (q[mid] >= x) r = mid;//判定落点
else l = mid + 1;
}
q[r] = x;//寻找插入位置。
}
}
return tt;
}
};
举个例子[5,6,3,4,2],q和tt依次是
[5] tt=1
[5,6] tt=2
[3,6] tt=2
[3,4] tt=2
[2,4] tt=2
对于[5,6]来说,表示长度为1的最长递增子序列(下面简称LIS)的最后一个元素最小是5,而长度为2的LIS最后一个元素最小是6。对于[3,6],表示长度为1的LIS最后一个元素最小是3,很对。一定要这样理清楚,否则都是瞎搞。
相当于贪心填鸭,尽量找出最小的满足给定长度LIS的元素。
利用库函数
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int res=0;
vector<int> dp;
for(auto x: nums){
int idx=lower_bound(dp.begin(),dp.end(),x)-dp.begin();//[10,10,20]找20idx结果是2
if(idx>=dp.size())dp.push_back(x);//当idx=dp.size()的时候意味着在末尾加入
else dp[idx]=x;
}
return dp.size();
}
};
这里利用了一手lower_bound找不到返回last迭代器,减去begin迭代器刚好是dp.size()。
more details
本题还可以使用二分查找将时间复杂度降低为 O(n log n)。我们定义一个 dp 数组,其中 dp[k] 存储长度为 k+1 的最长递增子序列的最后一个数字。我们遍历每一个位置 i,如果其对应的数字 大于 dp 数组中所有数字的值,那么我们把它放在 dp 数组尾部,表示最长递增子序列长度加 1; 如果我们发现这个数字在 dp 数组中比数字 a 大、比数字 b 小,则我们将 b 更新为此数字,使得 之后构成递增序列的可能性增大。以这种方式维护的 dp 数组永远是递增的,因此可以用二分查找加速搜索。
相当于单调递增的栈。算是用数据结构优化的动态规划。但这里还用了一个更牛的技巧,就是不去弾栈,而是直接去原地更新,脑子里没有想那个栈。直接二分可以降低很大的复杂度。也许在一般的单调栈里面也可以这样做。
以样例为例,对于数组 [10,9,2,5,3,7,101,18],我们每轮的更新查找情况为:
num dp
10 [10]
9 [9]
2 [2]
5 [2,5]
3 [2,3]
7 [2,3,7]
101 [2,3,7,101]
18 [2,3,7,18]
最终我们就获得了 [2,3,7,18] 这个最长递增数组之一。该算法的代码实现如下。
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int n = nums.size();
if(n<=1) return n;
vector<int> dp;
dp.push_back(nums[0]);
for(int i=1;i<n;i++)//has pushed nums[0]
{
if(dp.back()<nums[i])dp.push_back(nums[i]);
else{
auto iter = lower_bound(begin(dp),end(dp),nums[i]);
*iter = nums[i];
}
}
return dp.size();
}
};