最长上升子序列（动态规划）

最新推荐文章于 2022-05-29 08:47:00 发布

一条小团团TnT

最新推荐文章于 2022-05-29 08:47:00 发布

阅读量256

点赞数

分类专栏： python 文章标签： python

本文链接：https://blog.csdn.net/weixin_45501141/article/details/99858587

版权

python 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

最长上升子序列（动态规划，贪心+二分）

题目
方法一

题目

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。

方法一

“动态规划”的两个步骤是思考“状态”以及“状态转移方程”。

有的资料又将“动态规划”分为 3 步：

base case：思考问题规模最小的时候，是什么情况；
update function：自下而上思考这个问题，即上面的“状态转移方程”；
gola：重点强调了输出是什么，很多时候输出并不一定是最后一个状态。
我觉得这种分法更细致一点，“状态”以及“状态转移方程”也没有问题，但是我觉得还要加上一个，思考一下“输出”是什么，即将第 2 种的第 3 步加上去，在下面的分析中，我还会强调这一点。

1、定义状态

首先我们考虑能否将题目的问法定义成状态，即 dp[i] 表示长度为 i 的最长上升子序列的长度，但仔细思考之后，我们发现：由于“子序列”不要求连续，长度为 i - 1 的最长上升子序列，与长度为 i 的“最长上升子序列之间的递推关系并不那么容易得到。

但我们由「力扣」第 3 题：“无重复字符的最长子串”以及「力扣」第 53 题：“最大子序和”这两个问题的经验，再结合题意，可以知道，“上升”的递推关系是：看子序列最后一个数，如果一个新数，比子序列最后一个数还大，那么就可以放在这个子序列的最后，形成一个更长的子序列。反正一个子序列一定会以一个数字结尾，那我就将状态成以 nums[i] 结尾的“最长上升子序列”的长度，这一点是常见的。

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。

初始化的时候，因为每个元素自己可以认为是一个长度为 11 的子序列，所以可以将 dp 数组的值全部设置为 11。

定义输出：下面要考虑一下输出，由于状态不是题目中的问法，因此不能将最后一个状态作为输出，这里输出是把 dp[0]、dp[1]、……、dp[n - 1] 全部看一遍，取最大值。

2、推导“状态转移方程”

遍历到索引是 i 的数的时候，根据上面“状态”的定义，考虑把 i 之前的所有的数都看一遍，只要当前的数 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。因此，dp[i] 就是之前严格小于 nums[i] 的“状态”最大值加 11。

因此，状态转移方程是：

dp[i] = max{1 + dp[j] for j < i if nums[j] < nums[i]}
看下面的例子或者代码来理解这个状态转移方程。在这里插入图片描述

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)
'''
作者：liweiwei1419
链接：https://leetcode-cn.com/problems/longest-increasing-subsequence/solution/dong-tai-gui-hua-er-fen-cha-zhao-tan-xin-suan-fa-p/
来源：力扣（LeetCode）
'''

复杂度分析：

时间复杂度：O(N^2)，因为有两个 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)O(N)，要开和数组等长的状态数组，最后要拉通看一遍状态数组的最大值，因此空间复杂度是 O(N)O(N)。
我们知道，动态规划问题有一个性质是“无后效性”，是指“某阶段状态一旦确定，就不受之后阶段的决策影响”，因此，我们可以在遍历中记录最大值，有时，这种做法可以节约空间复杂度.