点击蓝色“五分钟学算法”关注我哟
加个“星标”,天天中午 12:15,一起学算法
来源 | 五分钟学算法
今天分享的题目来源于 LeetCode 第 300 号问题:最长上升子序列。这道题在 腾讯 笔试中出现过 3 次。
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(n2) 。
进阶: 你能将算法的时间复杂度降低到 O(nlog n) 吗?
题目解析
首先仔细审题,明确题目中的条件。
1、子序列:不要求连续子序列,只要保证元素前后顺序一致即可;
2、上升:这里的“上升”是“严格上升”,类似于 [2, 3, 3, 6, 7]
这样的子序列,因为 3 重复了,所以不是“严格上升”的。
一个序列可能有多个最长上升子序列,题目中只要我们求这个最长的长度。如果使用回溯搜索,选择所有的子序列进行判断,时间复杂度为 ?((2^?)∗?)。
这个问题具有最优子结构,因此可以考虑使用动态规划完成。
方法一:动态规划
定义状态:dp[i]
表示以第 i
个数字为结尾的最长上升子序列的长度。即在 [0, ..., i]
的范围内,选择 以数字 nums[i] 结尾 可以获得的最长上升子序列的长度。注意:以第 i
个数字为结尾,即 要求 nums[i] 必须被选取。反正一个子序列一定会以一个数字结尾,那我就将状态这么定义,这一点是常见的。
状态转移方程:遍历到索引是 i
的数的时候,我们应该把索引是 [0, ... ,i - 1]
的 dp
都看一遍,如果当前的数 nums[i]
严格大于之前的某个数,那么 nums[i]
就可以接在这个数后面形成一个更长的上升子序列。把前面的 i
个数都看了,dp[i]
的值就是它们的最大值加 1 。即比当前数要小的那些里头,找最大的,然后加 1 。
于是状态转移方程是:dp(i) = max{1 + dp(j) if j < i and dp[i] > dp[j]}
。
最后不要忘了,扫描一遍这个 dp
数组,其中最大值的就是题目要求的最长上升子序列的长度。
Python 代码:
class Solution:
# 将 dp 数组定义为:以 nums[i] 结尾的最长上升子序列的长度
# 那么题目要求的,就是这个 dp 数组中的最大者
# 以数组 [10, 9, 2, 5, 3, 7, 101, 18] 为例
# dp 的值:1 1 1 2 2 3 4 4
def lengthOfLIS(self, nums):
size = len(nums)
# 特判
if size <= 1:
return size
dp = [1] * size
for i in range(1, size):
for j in range(i):
if nums[i] > nums[j]:
# + 1 的位置不要加错了
dp[i] = max(dp[i], dp[j] + 1)
# 最后要全部一看遍,取最大值
return max(dp)
Java 代码:
import java.util.Arrays;
public class Solution {
//【关键】将 dp 数组定义为:以 nums[i] 结尾的最长上升子序列的长度
// 那么题目要求的,就是这个 dp 数组中的最大者
// 以数组 [10, 9, 2, 5, 3, 7, 101, 18] 为例:
// dp 的值:1 1 1 2 2 3 4 4
// 注意实现细节。
public int lengthOfLIS(int[] nums) {
int len = nums.length;
if (len == 0) {
return 0;
}
// 状态的定义是:以 i 结尾的最长上升子序列的长度
// 状态转移方程:之前比最后那个数字小的最长上升子序列的长度 + 1
int[] dp = new int[len];
// 如果只有 1 个元素,那么这个元素自己就构成了最长上升子序列,所以设置为 1 是合理的
Arrays.fill(dp, 1);
// 从第 2 个元素开始,逐个写出 dp 数组的元素的值
for (int i = 1; i int curVal = nums[i];
// 找出比当前元素小的哪些元素的最小值
for (int j = 0; j if (curVal > nums[j]) {
dp[i] = Integer.max(dp[j] + 1, dp[i]);
}
}
}
// 最后要全部走一遍,看最大值
int res = dp[0];
for (int i = 0; i res = Integer.max(res, dp[i]);
}
return res;
}
public static void main(String[] args) {
int[] nums = {10, 9, 2, 5, 3, 7, 101, 18};
Solution solution = new Solution();
int lengthOfLIS = solution.lengthOfLIS(nums);
System.out.println(lengthOfLIS);
}
}
复杂度分析:
时间复杂度:?(?2)。
空间复杂度:?(?)。
这道题还有一个时间复杂度为 ?(?log?)的解法,如下。
方法二:贪心算法(二分法)
思路:每一次来一个新的数 num
,在 tail
数组(tail
数组的定义在下面的示意图中有)中找大于等于 num
的那个数,试图让它变小,以致于新来的数有更多的可能性接在它后面,成为一个更长的“上升子序列”,这是“贪心算法”的思想。
在 tail
数组中找大于等于 num
的那个数,可以使用“二分法”
![c2819ebe477d3af4b45bee04e6813c17.png](https://i-blog.csdnimg.cn/blog_migrate/c78fccf51d7993971941cd834b5b8d5a.jpeg)
![c1cdaddd42510e6047718310ee17d34a.png](https://i-blog.csdnimg.cn/blog_migrate/f4b744fd8740402e6766c673c78a1e7f.jpeg)
![6e6bc1b01bce28a985052afecb96c5be.png](https://i-blog.csdnimg.cn/blog_migrate/dd8d9704009da507cefa7c9f3e98035c.jpeg)
Python 代码:
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
size = len(nums)
if size 2:
return size
tail = []
for num in nums:
# 找到大于等于 num 的第 1 个数
l = 0
r = len(tail)
while l mid = l + (r - l) // 2
if tail[mid] l = mid + 1
else:
r = mid
if l == len(tail):
tail.append(num)
else:
tail[l] = num
return len(tail)
Java 代码:
public class Solution {
public int lengthOfLIS(int[] nums) {
int len = nums.length;
if (len 2) {
return len;
}
// 这个数组实际上的长度,就是最后所求
int[] tail = new int[len];
int end = 0;
tail[0] = nums[0];
for (int i = 1; i if (nums[i] > tail[end]) {
end++;
tail[end] = nums[i];
} else {
// 使用二分搜索法来做这件事情
// 数组长度不变,一定会更新一次
// 特殊例子:1 2 3 4 5 7 7 7 7 7 7 7 (只是举个例子,这道题不会出现这种情况),来了一个 6
// 我要将从左到右边数第 1 个大于 6 的数字更新为 6
int left = 0;
int right = end;
int target = nums[i];
while (left int mid = left + (right - left) / 2;
if (tail[mid] // 只要比目标值要小,我们要找的位置就至少是当前位置 + 1
left = mid + 1;
} else {
assert tail[mid] >= target;
// 大于目标值,我们不能盲目向前走,因为向前走很可能,值会变得比目标值小
right = mid;
}
}
tail[right] = target;
}
}
return end + 1;
}
}
复杂度分析:
时间复杂度:?(?log?)。
空间复杂度:?(?)。
有热门推荐?
1.【程序员】我们就必须承认:这个世界上,有很多问题,就是无解的
2.【GitHub】我在 GitHub 上看到了一个丧心病狂的开源项目!
3.【算法】动画:七分钟理解什么是KMP算法
4.【数据结构】十大经典排序算法动画与解析,看我就够了!