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(n log n) 吗?
思考:
子序列和子串是不同的,子串一定的连续的,子序列不一定是连续的。
方法一
思路1:动态规划(时间复杂度O(
N
2
N^{2}
N2))
代码实现:
class Solution(object):
def lengthOfLIS(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
length = len(nums)
if length == 0:
return 0
dp = [1] * length # 先都赋值为1,因为最小子序列长度为1
for i in range(length):
for j in range(i):
if nums[j] < nums[i]:
dp[i] = max(dp[i],dp[j] + 1)
return max(dp) # 返回dp中的最大值,即最大子序列的长度
方法二
思路2:二分查找(时间复杂度O(
N
l
o
g
N
NlogN
NlogN))
最长递增子序列与patience game的纸牌游戏有关,有一种排序方法叫耐心排序。思想如下:
一排扑克牌,遍历时根据一定规则把扑克牌分成若干堆。规则是:
- 只能把点数小的排压到点数大的牌上。(牌数一样大也可以)
- 如果大的牌没有可放置的堆,就开辟新的堆。
- 如果一张牌有多个可选择放置的堆,就放在最左面的堆上(这样可以保证堆顶有序)。
例如:(假如A最大)
牌的堆数就是我们想求的最长递增子序列的长度。
所以该问题就转换为找合适的位置放置纸牌,因为堆顶有序(从小到大),所以可以用二分查找。
代码实现:
class Solution(object):
def lengthOfLIS(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
length = len(nums)
if length == 0:
return 0
top = [0]*length # 堆顶元素,即每个堆的最小值,因为只有小牌只能放到打牌上面
sumnum = 0 # 堆的个数
for poker in nums:
left = 0 # 第一个堆
right = sumnum # 最后一个堆
while left < right:
mid = (left + right) // 2
if poker <= top[mid]: # 如果牌数小于等于中间堆牌数,则当前中间堆可以放置该牌,但是因为规则是放在最左堆,所以需要去左半部分继续寻找
right = mid
else: # 如果牌数大于中间堆,则当前中间堆不能放置该牌,需要去右半部分继续寻找
left = mid + 1
if left == sumnum: # 没找到合适的位置放置
sumnum += 1 # 新建一个堆
top[left] = poker # 更新每个堆的最小值
return sumnum