DAY52|300.最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组

300.最长递增子序列

今天开始正式子序列系列，本题是比较简单的，感受感受一下子序列题目的思路。

class Solution {
    public int lengthOfLIS(int[] nums) {
        // dp[i]表示**i之前包括i的以nums[i]结尾的最长递增子序列的长度**
        int[] dp=new int[nums.length];
        //以下标i为结尾的连续递增的子序列长度最少也应该是1，即就是nums[i]这一个元素。所以dp[i]应该初始1;
        Arrays.fill(dp,1);
        for(int i=1;i<nums.length;i++){
            for(int j=0;j<i;j++){
                if(nums[i]>nums[j]){//相等不算递增
                //如果遍历到i比前面元素j大
                    dp[i]=Math.max(dp[j]+1,dp[i]);//要和他的上一个比，然后再覆盖i
                }
            }
        }
        int res = 0;
        for (int i = 0; i < dp.length; i++) {
            res = Math.max(res, dp[i]);
        }
        return res;
    }
}

674.最长连续递增序列

本题相对于昨天的动态规划：300.最长递增子序列 最大的区别在于“连续”。 先尝试自己做做，感受一下区别

class Solution {
    public int findLengthOfLCIS(int[] nums) {
        // dp[i]表示**i之前包括i的以nums[i]结尾的最长递增子序列的长度**
        int[] dp=new int[nums.length];
        //初始化第一个元素结尾的最长递增子序列长度为1
        Arrays.fill(dp,1);
        int result=1;
        for(int i=1;i<nums.length;i++){
            if(nums[i]>nums[i-1]){//相等不算递增
                //如果遍历到i比前面元素j大,当前元素才会得到更新。
                dp[i]=dp[i-1]+1;
            }
            //每个循环都会得到一个当前dp[i],与历史最优做对比
            if(dp[i]>result) result=dp[i];
        }
        return result;
    }
}

718.最长重复子数组

class Solution {
    public int findLength(int[] nums1, int[] nums2) {
        int[][] dp=new int[nums1.length][nums2.length];
        //dp[i][j]含义：以下标i结尾的nums1数组A,以下标j 为结尾的数组nums2，的最长重复子数组的长度

        int result=0;
        //遍历nums1与nums2的第一个元素比较用以初始化
        for(int i=0;i<nums1.length;i++){
            if(nums1[i]==nums2[0]){
                dp[i][0]=1;
            }
        }
        //遍历nums2用以初始化
        for(int j=0;j<nums2.length;j++){
            if(nums1[0]==nums2[j]){
                dp[0][j]=1;
            }
        }
        
        for(int i=0;i<nums1.length;i++){
            for(int j=0;j<nums2.length;j++){
                if(nums1[i]==nums2[j]&&i>=1&&j>=1){
                    dp[i][j]=dp[i-1][j-1]+1;
                    result=Math.max(result,dp[i][j]);
                }
                result=Math.max(result,dp[i][j]);
            }
        }
        return result;
    }
}