【LeetCode-300.最长递增子序列】

本文介绍了一种使用动态规划算法解决的问题,目标是找到一个整数数组中长度最长的严格递增子序列。通过构建dp数组来存储以每个元素结尾的最长递增子序列长度,最终返回最长递增子序列的长度。
摘要由CSDN通过智能技术生成
题目详情:

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

。 

示例 1:

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 。

示例 2:

输入:nums = [0,1,0,3,2,3]
输出:4

示例 3:

输入:nums = [7,7,7,7,7,7,7]
输出:1

提示:

  • 1 <= nums.length <= 2500
  • -104 <= nums[i] <= 104

进阶:

  • 你能将算法的时间复杂度降低到 O(n log(n)) 吗?
代码实现:
class Solution {  
    public int lengthOfLIS(int[] nums) {  
        // 如果数组为空,则最长递增子序列的长度为0  
        if (nums.length == 0) {  
            return 0;  
        }  
          
        // 创建一个与输入数组等长的dp数组,用于存储以当前元素结尾的最长递增子序列的长度  
        int[] dp = new int[nums.length];  
          
        // 初始化dp数组的第一个元素为1,因为每个元素本身都可以作为一个长度为1的递增子序列  
        dp[0] = 1;  
          
        // 初始化mmax为1,用于记录最长递增子序列的长度  
        int mmax = 1;  
          
        // 遍历数组中的每一个元素  
        for (int i = 1; i < nums.length; i++) {  
            // 初始化dp[i]为1,因为当前元素本身至少可以作为一个长度为1的递增子序列  
            dp[i] = 1;  
              
            // 遍历当前元素之前的所有元素  
            for (int j = 0; j < i; j++) {  
                // 如果当前元素大于之前的某个元素,说明可以形成更长的递增子序列  
                if (nums[i] > nums[j]) {  
                    // 更新dp[i]为当前元素与之前的元素形成的递增子序列长度与dp[i]的较大值  
                    dp[i] = Math.max(dp[i], dp[j] + 1);  
                }  
            }  
              
            // 更新mmax为dp[i]与mmax的较大值,用于记录全局的最长递增子序列长度  
            mmax = Math.max(mmax, dp[i]);  
        }  
          
        // 返回最长递增子序列的长度  
        return mmax;  
    }  
}

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值