题目:最长增长子序列
class Solution {
public int lengthOfLIS(int[] nums) {
if (nums.length==0){
return 0;
}
int[] result = new int[nums.length];
int max = 0;
result[0] = 1;
for (int i = 1; i < nums.length; i++) {
int index = -1;
for (int j = 0; j < i; j++) {
if (nums[j]<nums[i]){
if (index==-1){
index = j;
}
else if (result[j]>result[index]){
index = j;
}
}
}
if (index == -1){
result[i] = 1;
}
else {
result[i] = result[index]+1;
}
}
for (int i : result) {
max = Math.max(max,i);
}
return max;
}
}
这个题目是使用动态规划的经典
第 1 步:状态定义。dp[i] 表示以 nums[i] 结尾的最长上升子序列的长度。即:在 [0, …, i] 的范围内,选择以数字 nums[i] 结尾可以获得的最长上升子序列的长度。
说明:以 nums[i] 结尾,是子序列动态规划问题的经典设计状态思路,思想是动态规划的无后效性(定义得越具体,状态转移方程越好推导)。
第 2 步:推导状态转移方程:遍历到 nums[i] 的时候,我们应该把下标区间 [0, … ,i - 1] 的 dp 值都看一遍,如果当前的数 nums[i] 大于之前的某个数,那么 nums[i] 就可以接在这个数后面形成一个更长的上升子序列。把前面的数都看了, dp[i] 就是它们的最大值加 1 1 1。即比当前数要小的那些里头,找最大的,然后加 1 1 1 。
状态转移方程即:dp[i] = max(1 + dp[j] if j < i and nums[j] < nums[i])。
第 3 步:初始化。单独一个数是子序列,初始化的值为 1;
第 4 步:输出。应该扫描这个 dp 数组,其中最大值的就是题目要求的最长上升子序列的长度。