Given an unsorted array of integers, find the length of longest increasing subsequence.
For example,
Given
The longest increasing subsequence is
[10, 9, 2, 5, 3, 7, 101, 18]
,The longest increasing subsequence is
[2, 3, 7, 101]
, therefore the length is 4
. Note that there may be more than one LIS combination, it is only necessary for you to return the length.
Your algorithm should run in O(n2) complexity.
Follow up: Could you improve it to O(n log n) time complexity?
给定未排序整数数组,找出其中最长的递增子序列的长度。
注意其中最长递增子序列LIS可能不唯一,你只需返回其长度。
进阶:在O(nlogn)时间完成算法。
思路
O(n^2)的方法:
很容易想出,从首元素开始,依次扫描后续元素,记录LIS长度,然后以第二个元素为首元素,以此类推。
O(nlogn)的方法:
假设存在一个序列d[1..9] = 2 1 5 3 6 4 8 9 7,可以看出来它的LIS长度为5。
下面一步一步试着找出它。
我们定义一个序列B[1..9],第i位的元素B[i]表示以B[i]为结尾的LIS长度为i,然后令 i = 1 to 9 逐个考察这个序列,同时用变量Len来记录现在最长算到多少了。
首先,把d[1]有序地放到B里,令B[1] = 2,就是说当只有1一个数字2的时候,长度为1的LIS的最小末尾是2。这时Len=1
然后,把d[2]有序地放到B里,令B[1] = 1,就是说长度为1的LIS的最小末尾是1,d[1]=2已经没用了,这时Len=1
接着,d[3] = 5,d[3]>B[1],所以令B[1+1]=B[2]=d[3]=5,就是说长度为2的LIS的最小末尾是5,这时候B[1..2] = 1, 5,Len=2
再来,d[4] = 3,它正好加在1,5之间,放在1的位置显然不合适,因为1小于3,长度为1的LIS最小末尾应该是1,这样很容易推知,长度为2的LIS最小末尾是3,于是可以把5淘汰掉,这时候B[1..2] = 1, 3,Len = 2
继续,d[5] = 6,它在3后面,因为B[2] = 3, 而6在3后面,于是很容易可以推知B[3] = 6, 这时B[1..3] = 1, 3, 6,Len = 3 。
第6个, d[6] = 4,它在3和6之间,于是就可以把6替换掉,得到B[3] = 4。B[1..3] = 1, 3, 4, Len=3
第7个, d[7] = 8,比4大,于是B[4] = 8。Len变成4
第8个, d[8] = 9,得到B[5] = 9,Len继续增大,到5。
最后一个, d[9] = 7,它在B[3] = 4和B[4] = 8之间,所以我们知道,最新的B[4] =7,B[1..5] = 1, 3, 4, 7, 9,Len = 5。
于是我们知道了LIS的长度为5。
注意。这个1,3,4,7,9不是LIS,它只是存储的对应长度LIS的最小末尾。有了这个末尾,我们就可以一个一个地插入数据。虽然最后一个d[9] = 7更新进去对于这组数据没有什么意义,但是如果后面再出现两个数字 8 和 9,那么就可以把8更新到d[5], 9更新到d[6],得出LIS的长度为6。
然后可以发现:在B中插入数据是有序的,而且是进行替换而不需要挪动——也就是说,我们可以使用二分查找,将每一个数字的插入时间优化到O(logN),于是算法的时间复杂度就降低到了O(NlogN)
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
vector<int> res; //存储LIS最小末尾的序列
for(int i=0; i<nums.size(); i++) {
//最小末尾序列中寻找比nums[i]大的最小数
auto iter = std::lower_bound(res.begin(), res.end(), nums[i]);
if(iter==res.end()) res.push_back(nums[i]); //未找到则添加
else *iter = nums[i]; //找到则替换
}
return res.size();
}
};