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 :
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 。
1、题目分析
这是典型的序列类型动态规划题目。
2、确定状态
最后一份:对于最优的策略,一定有最后一个元素a[j]。
第一种情况:最优策略中最长上升子序列为{a[j]},答案就是1
第二种情况子序列长度大于1,那么最优策略中a[j]前一个元素是a[i],并且a[i]<a[j]。
因为是最优策略,那么它选中的以a[j]结尾的上升子序列一定是最长的。
但是因为不确定a[j]前一个元素是谁,因此需要枚举每个i,转化为子问题:i<j。
综上所述,我们可以假设状态:f[i]表示以a[i]结尾的最长上升子序列的长度。
3、转移方程
f[i]表示以a[i]结尾的最长上升子序列的长度。
4、初始条件和边界情况
情况2必须满足i>0,a[j]>a[i],满足单调性
初始条件:空
5、计算顺序
从小大到计算。
答案是max{f[0],f[1],f[2]……,f[n-1]}
算法时间复杂度O(n*n),空间复杂度O(n)
6、代码实现
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
if len(nums)==0:
return 0
dp = [0 for i in range(len(nums))]
dp[0]=1
max1 = 1
for i in range(1,len(nums)):