1.最长连续递增序列
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。
题解:经典动态规划题目,定义dp[i]为以nums[i]为结尾的最长连续递增子序列的长度(必须带上nums[i]),dp[i]只能由上一个状态转移而来,如果nums[i]>nums[i-1] dp[i] = dp[i-1]+1;否则为1;
class Solution {
public int findLengthOfLCIS(int[] nums) {
int n = nums.length;
int[] dp = new int[n]; //定义dp[i]为以num[i]为结尾的最长子序列
dp[0] = 1;
int ans = 1;
for(int i=1;i<n;i++){
if(nums[i]>nums[i-1]) dp[i] = dp[i-1]+1;
else dp[i] = 1;
ans = Math.max(ans,dp[i]);
}
return ans;
}
}
2.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。
题解:本题与上一题的区别是子序列不要求连续,所以不一定从前一个状态转换而来,所以需要遍历枚举上一个状态。定义dp[i] 是以num[i]为结尾的最长递增子序列的长度(必须带上nums[i])。
class Solution {
public int lengthOfLIS(int[] nums) {
//定义dp[i] 是以num[i]为结尾的最长递增子序列的长度
int n = nums.length;
int[] dp = new int[n];
for(int i=0;i<n;i++){
dp[i] = 1;
}
int ans = 1;
for(int i=1;i<n;i++){
for(int j=0;j<i;j++){
if(nums[i]>nums[j])
dp[i] = Math.max(dp[i],dp[j]+1);
}
ans = Math.max(ans,dp[i]);
}
return ans;
}
}
3.最长重复子数组
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 。
题解:变成了两个数组,还是要求连续,因此定义dp[i][j]是以nums1[i-1]和nums2[j-1]结尾的最长子数组的长度,判断是否可以由前一个状态转移过来,否则dp[i][j]=0
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int m = nums1.length,n = nums2.length;
int ans = 0;
int[][] dp = new int[m+1][n+1]; //dp[i][j]是以nums1[i-1]和nums2[j-1]结尾的最长子数组的长度
for(int i= 1;i<=m;i++){
for(int j=1;j<=n;j++){
if(nums1[i-1]==nums2[j-1]){
dp[i][j] = dp[i-1][j-1]+1;
}
ans = Math.max(ans,dp[i][j]);
}
}
return ans;
}
}
4.最长公共子序列
给定两个字符串 text1 和 text2,返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ,返回 0 。
题解:与上一道题的区别是,子序列可以不连续,所以定义dp[i][j]:长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j],可以不包含i,j,所以当text1.charAt(i-1)==text2.charAt(j-1)不成立的时候,需要选择丢弃i或者丢弃j的最长公共子序列最大值。
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int m = text1.length(),n = text2.length();
int[][] dp = new int[m+1][n+1];
for(int j=0;j<n;j++)
dp[0][j] = 0;
for(int i=0;i<m;i++)
dp[i][0] = 0;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
if(text1.charAt(i-1)==text2.charAt(j-1)){
dp[i][j] = dp[i-1][j-1] + 1;
}else{
dp[i][j] = Math.max(dp[i-1][j],dp[i][j-1]);
}
}
}
return dp[m][n];
}
}