LeetCode 300 最长递增子序列
这题dp数组定义得比较特殊,是以下标为i的元素为末尾的子序列的最大长度。这样一来当
nums[i] > nums[j]时,nums[i]就可以由nums[j] + 1(j < i)中最大值得出了。
但是初始化的时候,如果不每个元素都初始化为1,是无法正常处理的。
代码如下:
class Solution {
public int lengthOfLIS(int[] nums) {
int[] dp = new int[nums.length];
for (int i = 0; i < nums.length; i++) dp[i] = 1;
int result = 1;
for (int i = 1; i < nums.length; i++) {
for (int j = 0; j < i; j++) {
if (nums[i] > nums[j])
dp[i] = Math.max(dp[i], dp[j] + 1);
}
if (result < dp[i]) result = dp[i];
// System.out.println(dp[i]);
}
return result;
}
}
LeetCode 674 最长连续递增序列
这题和上题在动规上的区别主要在于连续,而且也可以用双指针来求解。用动规的话,就要延续上一题dp数组的含义和递推公式,在此基础上加以修改。dp数组含义修改为连续的以i结尾的最长递增子序列的长度。递推公式改为只需要将nums[i]和nums[i-1]进行比较就行了。
代码如下:
class Solution {
public int findLengthOfLCIS(int[] nums) {
int[] dp = new int[nums.length];
int result = 1;
for (int i = 0; i < nums.length; i++) dp[i] = 1;
for (int i = 1; i < nums.length; i++)
{
if (nums[i] > nums[i - 1]) dp[i] = Math.max(dp[i], dp[i - 1] + 1);
if (result < dp[i]) result = dp[i];
}
return result;
}
}
LeetCode 718 最长重复子数组
这题dp数组应该设置为nums1中以下标i元素为末尾的子数组和nums2中以下标j元素为末尾的子数组中公共的、长度最长的子数组的长度。递推逻辑是当nums1[i]和nums2[j]相等时,
dp[i][j] = dp[i-1][j-1] + 1。
由于nums1[0]和nums2[0]不一定相等,所以我们把dp数组含义重新设定为nums1中第i个元素为末尾的子数组和nums2中第j个元素为末尾的子数组中公共的、长度最长的子数组的长度。循环得以从1开始,并且不用考虑初始情况。类似于链表中虚拟头节点的逻辑。
代码如下:
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int[][] dp = new int[nums1.length + 1][nums2.length + 1];
int result = 0;
for (int i = 1; i <= nums1.length; i++) {
for (int j = 1; j <= nums2.length; j++) {
if (nums1[i-1] == nums2[j-1])
dp[i][j] = dp[i-1][j-1]+1;
if (result < dp[i][j]) result = dp[i][j];
}
}
return result;
}
}