LeetCode-300. 最长递增子序列 (中等)
题目地址:https://leetcode-cn.com/problems/longest-increasing-subsequence/
文章目录
1. 题目描述及示例
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。
示例一:
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 。
示例二:
输入: nums = [0,1,0,3,2,3]
输出: 4
示例三:
输入: nums = [7,7,7,7,7,7,7]
输出: 3
2. 题解和代码实现
最长递增子序列,从最长来看显然我们可以采用动态规划法进行实现。定义一个数组dp 用来进行存储下标为的i的位置的数据,作为最长子序列的最后一个数据,所形成的最长子序列的长度。例如:对**[0,1,0,3,2,3],所对应的dp**数组为:
[1,2,1,3,3,4] ,在这里,我们有:
- dp[0] = 1
- dp[1] = 2,对于nums[1]==1,显然可以加入到前面的子序列后面。
- dp[2] = 1,对于nums[2]==0,只能依靠它自身形成一个子序列,不可加入前面的子序列。
- dp[3] = 3,对于nums[3]==3,我们可以形成[0,1,3]的子序列,显然有加上nums[3]之后,对应于i前面所有子序列,加上nums[i]的最大长度。
- dp[4] = 2,对于nums[4]==2,我们可以形成[0,1,2]的子序列,显然有加上nums[4]之后,对应于i前面所有子序列,加上nums[i]的最大长度。
- dp[5] = 3,对于nums[5]==3,我们可以形成[0,1,2,3]的子序列,即i之前的所有子序列加上nums[i],所形成的子序列的最大值。
2.1 初始化
定义一个长度为**nums.size()**数组,dp[0] = 1 ,显然第一个元素一定能够形成第一个子序列。我们进行初始化所有的数组元素均为1,即
vector<int> dp(nums.size(),1);
2.2 状态转移方程
对于dp[i],显然为i之前的所有的所有子序列,加上nums[i]之后所能够形成子序列的最大值。
for(int j=0;j<i;j++){
if(nums[i]>nums[j]){
dp[i] = max(dp[i],dp[j+1]);
}
}
代码实现(C++ 2022-4-16)
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
vector<int> dp(nums.size(),1);
int max_length = dp[0];
for(int i=1;i<nums.size();i++){
for(int j=0;j<i;j++){
if(nums[i]>nums[i])
dp[i] = max(dp[i],dp[j]+1)
}
max_length = max(dp[i],max_length);
}
return max_length;
}
};
3. 总结
在这里的实现,采用动态规划的思想,主要在于dp[i]用于表示什么,这个点想明白之后,解题就相对简单一些。
应该总结一些dp[i]所代表的事情:
1. 代表加上该位置之后所能形成的一些东西,不代表该问题的最优解
2. 代表加上该位置之后所能形成的一些东西,代表该问题最优解
上面这两点要理解清楚。