最长上升子序列_LeetCode 题解 | 300.最长上升子序列

点击上方蓝字设为星标

每周一、三、五上午 8:30 准时推送

下面开始今天的学习～

力扣题解

自题解功能上线以来

题解区涌现了很多优质题解

如果你有更好的解题思路

不如来题解区大显身手

你可获得

1.力扣官方平台推荐

2.力扣积分

1篇精选题解：200 力扣积分

(注：题解著作版权归发布者本人所有)

本期精选题解由我们的用户“ColdMe”倾情撰写，一起来看看吧！

300. 最长上升子序列(点击文末阅读原文查看题目)

题目描述

给定一个无序的整数数组，找到其中最长上升子序列的长度。

示例:

输入: [10,9,2,5,3,7,101,18]输出: 4 解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。

说明:

• 可能会有多种最长上升子序列的组合，你只需要输出对应的长度即可。

• 你算法的时间复杂度应该为 O(n^2) 。

进阶 : 你能将算法的时间复杂度降低到 O(n log n) 吗?

解决方案

动态规划

子序列的问题->动态规划。

• 使用数组 cell 保存每步子问题的最优解。
• cell[i] 代表含第 i 个元素的最长上升子序列的长度。
• 求解 cell[i] 时，向前遍历找出比 i 元素小的元素 j，令 cell[i] 为 max(cell[i],cell[j]+1)。

Python 实现

class Solution:    def lengthOfLIS(self, nums: List[int]) -> int:        if nums == []:            return 0        cell = [1]        for i in range(1,len(nums)):            cell.append(1)            for j in range(i):                if(nums[j] < nums[i]):                    cell[i] = max(cell[i], cell[j]+1)        return max(cell)

复杂度分析 时间复杂度 ：O(n^2)，双层遍历 空间复杂度 ：O(n)

动态规划 + 二分查找

很具小巧思。新建数组  cell，用于保存最长上升子序列。 对原序列进行遍历，将每位元素二分插入 cell 中。

• 如果 cell 中元素都比它小，将它插到最后
• 否则，用它覆盖掉比它大的元素中最小的那个。

总之，思想就是让  cell  中存储比较小的元素。这样， cell  未必是真实的最长上升子序列，但长度是对的。 Python 实现

class Solution:    def lengthOfLIS(self, nums: List[int]) -> int:        size = len(nums)        if size<2:            return size                cell = [nums[0]]        for num in nums[1:]:            if num>cell[-1]:                cell.append(num)                continue                        l,r = 0,len(cell)-1            while l                mid = l + (r - l) // 2                if cell[mid]                    l = mid + 1                else:                    r = mid            cell[l] = num        return len(cell)

本文作者：ColdMe

编辑&版式：霍霍

声明：本文归作者版权所有，如需转载请联系。

点个在看，少个 bug?