给你一个整数数组 nums ,找到其中最长严格递增子序列的长度。
子序列是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其余元素的顺序。例如,[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。
示例 1:
输入:nums = [10,9,2,5,3,7,101,18]
输出:4
解释:最长递增子序列是 [2,3,7,101],因此长度为 4 。
示例 2:
输入:nums = [0,1,0,3,2,3]
输出:4
示例 3:
输入:nums = [7,7,7,7,7,7,7]
输出:1
提示:
1 <= nums.length <= 2500
-104 <= nums[i] <= 104
进阶:
你可以设计时间复杂度为 O(n2) 的解决方案吗?
你能将算法的时间复杂度降低到 O(n log(n)) 吗?
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/longest-increasing-subsequence
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
class Solution {
//动态规划:1.定义数组dp[i]为以nums[i]元素结尾的最长上升子序列的元素个数(这里注意区别dp[i]为前nums[i]个元素的最长上升子序列)
public int lengthOfLIS(int[] nums) {
if(nums.length == 0) return 0;
int [] dp = new int[nums.length];
dp[0] = 1;
int result = 1;//每次保存的结果用result来存储,dp[i]仅代表以当前nums[i]元素结尾的最长上升子序列元素个数,
//result结果存储的才为前i个元素的最长上升子序列元素个数
//2.外层循环控制需要添加第几个元素
for(int i = 1;i < nums.length; i++){
dp[i] = 1;//每次添加下一个元素前,需要重置dp[i]进行重新比较
for(int j = 0; j < i; j++){
if(nums[i] > nums[j]){
//当新元素大于前面元素时,才考虑是否需要增加元素集合。
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
//当新增一轮元素完以后,比较前i-1个元素的最大上升子序列元素个数和以nums[i]结尾的最大上升子序列元素个数,取最大值
//作为前i个元素上升子序列元素个数
result = Math.max(result, dp[i]);
}
return result;
}
}