力扣小白刷题之300题最长上升子序列

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。
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) 。

思路

动态规划

1. 定义状态

• dp[i] 表示 以 nums[i] 为结尾的上升子序列的长度。注意：nums[i] 必须选取且必须是这个子序列的最后一个元素。

2. 考虑状态转移方程

• 遍历到 nums[i] 时，需要把下标 i 之前的所有的数都看一遍
• 只要 nums[i] 严格大于在它位置之前的某个数，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
• 因此，dp[i] 就等于 下标 i 之前 严格小于 nums[i] 的状态值的最大者 + 1
  

3. 初始化

• dp[i] = 1，一个字符是长度为1的上升子序列(每一个数都有可能是最长子序列的起点)

4. 考虑输出

• 不能返回最后一个状态值，最后一个状态值只是以 nums[n - 1] 结尾的 上升子序列的长度。
• 需要返回 dp数组中的最大值。

5. 考虑状态压缩

• 遍历到一个新数的时候，之前所有的状态值都得保留，因此无法压缩。

时间复杂度：O(N^2)，N是数组长度，这里使用了两个 for 循环，每个for循环的时间复杂度都是线性的。
空间复杂度：O(N)，要使用和输入数组长度相等的状态数组。

代码

优化 (时间复杂度为O(NlogN))

同时使用二分查找 和 贪心算法

• 依旧是着眼于一个上升子序列的结尾的元素；
• 如果已经得到的一个上升子序列的结尾的数越小，遍历的时候后面接上一个数，就会有更大的可能性构成一个更长的上升子序列；
• 既然结尾的数越小越好，我们可以记录在长度固定的情况下，结尾最小的那个元素的数值，这样定义也是为了方便得到【状态转移方程】。

1. 定义新状态

• tail[i] 表示长度为 i + 1 的所有上升子序列的结尾元素的最小值
  tail[0] 表示长度为 1 的所有上升子序列中，结尾最小的那个元素的数值
  tail[1] 表示长度为 2 的所有上升子序列中，结尾最小的那个元素的数值
• 下标和长度有一个 1 的偏差

2. 思考状态转移方程
   证明数组 tail[i] 也是一个严格上升数组
   **证明：**即对于任意的下标 0 <= i < j < len， 都有tail[i] < tail[j]
   

我们只需要维护状态数组 tail 的定义，它的长度就是最长上升子序列的长度
下面说明如何在遍历过程中维护状态数组 tail 的定义：

• 算法的执行流程：
  1. 设置一个数组 tail，初始时为空；
  2. 在遍历数组 nums 的过程中，每来一个新数 num，如果这个数 严格大于 有序数组 tail 的最后一个元素，就把 num 放到有序数组 tail 的后面，否则进入第 3 点；
  3. 在有序数组 tail 中查找第 1 个等于大于 num 的那个数，试图让它变小：
     • 如果有序数组 tail 中存在等于 num 的元素，什么都不做，因为以 num 结尾的最短的 上升子序列 已经存在
     • 如果有序数组 tail 中存在大于 num 的元素，找到第 1 个，让它变小，这样我们就找到了一个 结尾更小的相同长度的上升子序列。
     • 这一步可以认为是贪心算法，总是做出在当前看来最好的选择，当前最好的选择是：当前只让第一个严格大于 nums[i] 的数变小，变成 nums[i] ，这一步操作是“无后效性”的。
  4. 遍历新的数 num，先尝试第 2 点，不通再执行 3，直到遍历完整个 nums 数组，**最终有序数组 tail 的长度，就是所求的“最长上升子序列”的长度。
  5. 特别的，因为 tail 数组有序，所以查找 nums[i] 位于 tail 数组的位置时，可以使用二分查找

3. 思考初始化
   • tail[0] = nums[0]，在只有一个 1 个元素的情况下，它当然是长度为 1 且结尾最小的元素。
4. 思考输出
   • 数组 tail 的长度。依据定义，tail[i] 表示长度固定为 i + 1的所有上升子序列的结尾元素中最小的那个，长度最多就是数组 tail 的长度。
5. 思考状态压缩
   无法压缩

代码

时间复杂度： O(N log N)，遍历数组O(N),二分查找O(log N)
空间复杂度： O(N)，开辟有序数组 tail的空间至多和原始数组一样多。