动态规划——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。
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 。
思想:采用动态规划
用dp[i]来存储从0-i的最长递增子序列。
dp[i]= max{dp[j]}+1 (0<j<i,nums[j]<nums[i])
将方程解释出来解释,每次加入一个值,在前面比它小的值中寻找拥有最长子序列的,然后加上1就是这个值的最长子序列长度。
自己写的:
class Solution {
public int lengthOfLIS(int[] nums) {
int[]dp = new int[nums.length];
dp[0]= 1;
for(int i = 1;i<nums.length;i++){
int max = 1;
boolean flag = false;
for(int j=0;j<i;j++){
if(dp[j]>=max&&nums[i]>nums[j]){
max= dp[j];
flag = true;
}
}
if(flag == true)
dp[i]=max+1;
else
dp[i]=max;
}
Arrays.sort(dp);
int res = dp[nums.length-1];
return res;
}
}
官方解法
class Solution {
public int lengthOfLIS(int[] nums) {
if (nums.length == 0) {
return 0;
}
int[] dp = new int[nums.length];
dp[0] = 1;
int maxans = 1;
for (int i = 1; i < nums.length; i++) {
dp[i] = 1;
for (int j = 0; j < i; j++) {
if (nums[i] > nums[j]) {
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
maxans = Math.max(maxans, dp[i]);
}
return maxans;
}
}
/*作者:LeetCode-Solution
链接:https://leetcode-cn.com/problems/longest-increasing-subsequence/solution/zui-chang-shang-sheng-zi-xu-lie-by-leetcode-soluti/
来源:力扣(LeetCode)*/