最长递增子序列的个数

1. 问题描述:

给定一个未排序的整数数组,找到最长递增子序列的个数。

示例 1:
输入: [1,3,5,4,7]
输出: 2
解释: 有两个最长递增子序列,分别是 [1, 3, 4, 7] 和[1, 3, 5, 7]。

示例 2:
输入: [2,2,2,2,2]
输出: 5
解释: 最长递增子序列的长度是1,并且存在5个子序列的长度为1,因此输出5。

2. 问题分析:

  1. 在一个给定的未排序数组中,找到最长递增子序列的个数。在此需要注意的是,最长递增子序列没有要求必须是连续的(只要在数组中是递增的,两个数之间可以有其他数字间隔);
  2. 我们可以自己创建两个新的数组 length[ nums.length ](length[ i ] 用来存放以nums[ i ] 结尾的子序列的长度),count[ nums.length ](用来存放以nums[ i ]结尾,长度为length[ i ] 的子序列的个数 );
  3. 对于每一个 i > j 和每一个 nums[ i ] > nums[ j ],我们可以将 nums[ i ] 追加到以 nums[ j ] 结尾的最长子序列上;
  4. 如果 length[ j ] >= length[ i ](即:以nums[ j ] 结尾的最长子序列的长度大于以 nums[ i ] 结尾的最长子序列的长度),那么我们就可以将 count[ j ] 赋值给 count[ i ]如果 length[ j ] + 1 等于 length[ i ](即:若将 nums[ i ] 追加到以 nums[ j ] 结尾的最长子序列后,则以 nums[ i ] 结尾的最长子序列的长度将等于原有的以 nums[ i ] 结尾的最长子序列的长度),那么我们就可以得到 count[ i ] = count[ i ] + count[ j ]

3. 代码实现:

class Solution {
    public int findNumberOfLIS(int[] nums) {

        int leng = nums.length;
        //若nums[]的长度小于等于1,则直接返回数组的长度
        if(leng <= 1)  return leng;
        
        //创建两个数组 length[ ]用于存放长度,count[ ]用于存放子序列的个数
        int length[] = new int[leng];
        int count[] = new int[leng];
        
        //将初始值置为1
        Arrays.fill(length,1);
        Arrays.fill(count,1);
       
        for(int i = 1; i < leng; i++) {
            for(int j = 0; j < i; j++) {
                if(nums[i] > nums[j]) { //首先保证nums[i] > nums[j]
                    if(length[j] >= length[i]) { 
                        //length[j] >= length[i],以nums[i]结尾的子序列长度将在length[j]的基础上+1,count[i]与count[j]相等
                        length[i] = length[j] + 1;
                        count[i] = count[j];
                    } else if((length[j] + 1) == length[i]) {
                    	//以nums[i]结尾的子序列将在原有的基础上+count[j]
                        count[i] += count[j];
                    }
                }
            }
        }
        
        //longest 表示最长子序列的长度,result 表示总个数
        int longest = 0,result = 0;
        for(int temp : length) {
            longest = Math.max(longest,temp);
        }
        for(int i = 0; i < leng; i++) {
            if(length[i] == longest) {
                result += count[i];
            }
        }
        return result;   
    }
}

小熊的分享结束啦!!!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,我们需要定义一个数组dp,其中dp[i]表示以A[i]为结尾的最长递增子序列长度。 接下来,我们需要一个变量len来记录当前最长递增子序列长度,并且初始化为1。同时,我们还需要一个变量tail,表示目前已经构建的最长递增子序列的最后一个元素。 然后,我们从第二个元素开始遍历整个序列A。对于每个元素A[i],我们需要找到在它之前的所有元素中,比它小的元素中最长的递增子序列,然后把A[i]接到这个子序列后面。这样,我们就可以得到以A[i]为结尾的最长递增子序列。 具体来说,我们可以使用二分查找来找到在A[1...i-1]中比A[i]小的元素中最长的递增子序列。在查找过程中,我们需要维护一个tails数组,其中tails[k]表示长度为k的递增子序列的最后一个元素的最小值。对于每个A[i],我们都要在tails数组找到一个大于等于它的元素,然后用它来更新dp[i]和tails数组。 最终,最长递增子序列长度就是dp数组中的最大值。 下面是具体的算法实现: ``` def findLongestIncreasingSubsequence(A): n = len(A) dp = [1] * n tails = [A[0]] for i in range(1, n): if A[i] < tails[0]: tails[0] = A[i] elif A[i] > tails[-1]: tails.append(A[i]) else: l, r = 0, len(tails) - 1 while l < r: mid = (l + r) // 2 if tails[mid] < A[i]: l = mid + 1 else: r = mid tails[l] = A[i] dp[i] = len(tails) return max(dp) ``` 这个算法的时间复杂度是O(n log n),其中n是序列A的长度
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值