暴力解法
最暴力的解法就是用 dp[i]来存储以下标为 i 的数为结尾的最大子序列长度,然后使用两层循环求解该问题,具体代码如下:
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int n = nums.size();
vector<int> dp(n, 1);
for(int i = 0; i < n; i++) {
for(int j = 0; j < i; j++) {
if(nums[j] < nums[i]) {
dp[i] = max(dp[i], dp[j] + 1);
}
}
}
int res = 0;
for(int i = 0; i < n; i++) {
res = max(res, dp[i]);
}
return res;
}
};
贪心+二分查找
考虑贪心的策略,若要使上升子序列尽可能地长,则需要让子序列的上身速度尽可能地慢,因此我们每次要在子序列后面加上一个尽可能小的数,这样才能让我们的上升子序列尽可能地长。
根据上述的贪心策略,重新定义状态 dp。dp[i]表示长度为 i 的最长上升子序列末尾的最小值。
根据上述的定义,可以得出,dp[i]关于 i 单调递增的。若 i < j,且 dp[i] > dp[j],则必然可以从以 dp[j]为结尾的最长上升子序列的末尾删除 j - i 个数,得到长度为 i,结尾为 x 的上升子序列。由 x < dp[j] < dp[i]可以推出矛盾,故 dp[i]关于 i 单调递增。
由 dp[i]关于 i 单调递增的性质,便可以使用二分查找的策略,找到末尾小于当前数的最长子序列,将整体的时间复杂度降为 O(nlogn)。具体代码如下:
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int n = nums.size();
if(n == 0) return 0;
vector<int> dp(n + 1, 0);
int len = 0;
dp[0] = INT_MIN;
dp[++len] = nums[0];
for(int i = 1; i < n; i++) {
if(nums[i] > dp[len]) {
dp[++len] = nums[i];
}
else {
int l = 0, r = len;
while(l < r) {
int mid = (l + r + 1) >> 1;
if(dp[mid] < nums[i]) {
l = mid;
}
else {
r = mid - 1;
}
}
len = max(len, r + 1);
// dp[r] < nums[i] <= dp[r+1]
dp[r + 1] = nums[i];
}
}
return len;
}
}