目录
300. 最长递增子序列(离散,oppo面试问过)
题目链接:link
1、题目描述
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 。
2、思路
❤️子序列问题是动态规划解决的经典问题 ❤️
1️⃣ 确定dp数组(dp table)以及下标的含义
dp[i]:从num[0]到nums[i]的最长递增子序列长度
2️⃣ 确定递推公式
- d p [ i ] = m a x ( d p [ i ] , d p [ j ] + 1 ) dp[i] = max(dp[i],dp[j]+1) dp[i]=max(dp[i],dp[j]+1)
3️⃣ 初始化
- 每一个i,对应的dp[i](即最长递增子序列)起始大小至少都是1
4️⃣ 遍历顺序:
-
dp[i] 是有0到i-1各个位置的最长递增子序列 推导而来,那么遍历i一定是从前向后遍历。
-
j其实就是遍历0到i-1,那么是从前到后,还是从后到前遍历都无所谓,只要吧 0 到 i-1 的元素都遍历了就行了。 所以默认习惯 从前向后遍历。
3、code
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
# dp[i] 从num[0]到nums[i]的最长递增子序列长度
dp = [1]*len(nums)
for i in range(1,len(nums)):
for j in range(0,i):
if nums[i]>nums[j]:
dp[i] = max(dp[i],dp[j]+1)
return max(dp)
4、复杂度分析
1️⃣ 时间复杂度:
O
(
N
2
)
O(N^2)
O(N2)
2️⃣ 空间复杂度:
O
(
N
)
O(N)
O(N)
674. 最长连续递增序列(连续)
题目链接:link
1、题目描述
给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。
连续递增的子序列 可以由两个下标 l 和 r(l < r)确定,如果对于每个 l <= i < r,都有 nums[i] < nums[i + 1] ,那么子序列 [nums[l], nums[l + 1], …, nums[r - 1], nums[r]] 就是连续递增子序列。
示例 1:
输入:nums = [1,3,5,4,7]
输出:3
解释:最长连续递增序列是 [1,3,5], 长度为3。
尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的,因为 5 和 7 在原数组里被 4 隔开。
2、思路
❤️子序列问题是动态规划解决的经典问题 ❤️
1️⃣ 确定dp数组(dp table)以及下标的含义
dp[i]:从num[0]到nums[i]的最长连续递增子序列长度
2️⃣ 确定递推公式
- 如果nums[i]>nums[i-1]: d p [ i ] = d p [ i − 1 ] + 1 dp[i] = dp[i-1]+1 dp[i]=dp[i−1]+1
3️⃣ 初始化
- 每一个i,对应的dp[i](即最长递增子序列)起始大小至少都是1
4️⃣ 遍历顺序:
- dp[i] 是有0到i-1各个位置的最长递增子序列 推导而来,那么遍历i一定是从前向后遍历。
3、code
class Solution:
def findLengthOfLCIS(self, nums: List[int]) -> int:
dp = [1]*len(nums)
for i in range(1,len(nums)):
if nums[i]>nums[i-1]:
dp[i] = dp[i-1] + 1
else:
dp[i] = 1
return max(dp)
4、复杂度分析
1️⃣ 时间复杂度:
O
(
N
)
O(N)
O(N)
2️⃣ 空间复杂度:
O
(
N
)
O(N)
O(N)
718. 最长重复子数组(两个数组,连续,二维dp)
题目链接:
1、题目描述
给两个整数数组 nums1 和 nums2 ,返回 两个数组中 公共的 、长度最长的子数组的长度 。
示例 1:
输入:nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
输出:3
解释:长度最长的公共子数组是 [3,2,1] 。
2、思路
1️⃣ dp[i][j] :数组nums1从nums1[0]到nums1[i],和数组nums2从nums2[0]到nums2[j],最长重复子数组长度为dp[i][j]
🌶️需要初始化dp[i][0]和dp[0][j]
class Solution:
def findLength(self, nums1: List[int], nums2: List[int]) -> int:
# dp[i][j] :数组nums1从nums1[0]到nums1[i],和数组nums2从nums2[0]到nums2[j],最长重复子数组长度为dp[i][j]
dp = [[0 for _ in range(len(nums2))] for _ in range(len(nums1))]
for i in range(0,len(nums1)):
if nums1[i] == nums2[0]:
dp[i][0] = 1
for j in range(0,len(nums2)):
if nums1[0] == nums2[j]:
dp[0][j] = 1
for i in range(1,len(nums1)):
for j in range(1,len(nums2)):
if nums1[i] == nums2[j] and i >= 1 and j>= 1:
dp[i][j] = dp[i-1][j-1] + 1
return max(max(row) for row in dp)
2️⃣dp[i][j] :数组nums1从nums1[0]到nums1[i-1],和数组nums2从nums2[0]到nums2[j-1],最长重复子数组长度为dp[i][j]
class Solution:
def findLength(self, nums1: List[int], nums2: List[int]) -> int:
res = 0
# dp[i][j] :数组nums1从nums1[0]到nums1[i-1],和数组nums2从nums2[0]到nums2[j-1],最长重复子数组长度为dp[i][j]
# nums1有5个数,要求nums[0]~nums[4]:dp[5] :需要6个格子
dp = [[0 for _ in range(len(nums2)+1)] for _ in range(len(nums1)+1)]
# 根据dp[i][j]的定义,dp[i][0] 和dp[0][j]其实都是没有意义的!
for i in range(1,len(nums1)+1):
for j in range(1,len(nums2)+1):
if nums1[i-1] == nums2[j-1]:
dp[i][j] = dp[i-1][j-1]+1
if res < dp[i][j]:
res = dp[i][j]
return res
3、复杂度分析
1️⃣ 时间复杂度:O(n × m),n 为A长度,m为B长度
2️⃣ 空间复杂度:O(n × m)