算法打卡：第九章 动态规划part10

今日收获：最长递增子序列，最长连续递增序列，最长重复子数组

1. 最长递增子序列

题目链接：300. 最长递增子序列 - 力扣（LeetCode）

思路：

（1）dp数组表示：以nums[i]为结尾的最长子序列长度；

（2）初始化：dp数组的每一个元素值为1；

（3）遍历顺序：遍历nums数组寻找子序列的结尾，里面一层循环j是遍历子序列的起点；

（4）递推公式：如果nums[i]大于nums[j]，那么dp[i]和dp[j]加1对比取最大值作为当前位置的dp数组值。

方法：

class Solution {
    public int lengthOfLIS(int[] nums) {
        int len=nums.length;

        // 表示以num[i]为结尾的最长子序列的长度
        int[] dp=new int[len];

        // 初始化
        for (int i=0;i<len;i++){
            dp[i]=1;
        }

        for (int i=1;i<len;i++){
            for (int j=0;j<i;j++){  // 遍历子序列的起点
                if (nums[i]>nums[j]){
                    dp[i]=Math.max(dp[i],dp[j]+1);
                }
            }
        }

        // 求最大子序列长度
        int max=0;
        for (int i=0;i<len;i++){
            max=max>dp[i]?max:dp[i];
        }
        return max;
    }
}

2. 最长连续递增序列

题目链接：674. 最长连续递增序列 - 力扣（LeetCode）

思路：和递增子序列的区别在于必须是连续的，只要后一位大于前一位，当前位置的最大连续子序列就是前一位加1。

方法：

class Solution {
    public int findLengthOfLCIS(int[] nums) {
        int len=nums.length;

        int[] dp=new int[len];

        // 初始化
        for (int i=0;i<len;i++){
            dp[i]=1;
        }

        int max=1;
        for (int i=1;i<len;i++){
            if (nums[i]>nums[i-1]){
                dp[i]=dp[i-1]+1;
            }
            max=Math.max(max,dp[i]);
        }

        return max;
    }
}

3. 最长重复子数组

题目链接：718. 最长重复子数组 - 力扣（LeetCode）

思路：

（1）dp数组定义：dp[i][j]表示两个数组中 i-1，j-1 位置的最大重复子序列长度。

（2）初始化：数组的第一行和第一列都为0。

（3）遍历顺序：分别从左到右遍历两个数组。

（4）递推公式：如果两个数组中 i-1，j-1 位置的元素相等，则当前位置在左上角元素值的基础上加1（相当于两个数组的下标都向前移动了一位）。

方法：

class Solution {
    public int findLength(int[] nums1, int[] nums2) {
        int len1=nums1.length;
        int len2=nums2.length;

        // dp[i][j]表示两个数组i-1，j-1位置的最长重复组数组长度
        int[][] dp=new int[len1+1][len2+1];

        int max=0;
        for (int i=1;i<=len1;i++){
            for (int j=1;j<=len2;j++){
                if (nums1[i-1]==nums2[j-1]){
                    dp[i][j]=dp[i-1][j-1]+1;
                }
                max=Math.max(max,dp[i][j]);
            }
        }

        return max;
    }
}