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。
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?
二、思路——动态规划
(1)问题拆解:
问题拆解就是看能否将原问题拆解为规模较小的子问题进行求解。对于长度为 n 的数组,假设我们已经找到前 n - 1 个数字的最长上升子序列且其长度为 L,这时候只需比较最后一个数字和前 n - 1 个数字的大小:
- 若 n u m s [ n − 1 ] > n u m s [ j ] nums[n - 1] > nums[j] nums[n−1]>nums[j],其中 0 ≤ j ≤ n − 2 0 \leq j \leq n - 2 0≤j≤n−2,则 nums[n - 1] 也可以加入最长上升子序列,那么整个数组的最长上升子序列的长度就是 L + 1。
- 若 n u m s [ n − 1 ] ≤ n u m s [ j ] nums[n - 1] \leq nums[j] nums[n−1]≤nums[j],其中 0 ≤ j ≤ n − 2 0 \leq j \leq n - 2 0≤j≤n−2,则 nums[n - 1] 不能加入最长上升子序列,那么整个数组的最长上升子序列的长度就是 L。
这样,我们就找到了第 i 个问题和第 i - 1 个问题的关系。
(2)定义状态:
我们用 dp[] 数组来存储状态, d p [ i ] dp[i] dp[i] 的值表示 nums 前 i 个数字的最长上升子序列的长度。
(3)推导状态转移方程:
每一轮计算 d p [ i ] dp[i] dp[i],设 j ∈ [ 0 , i ) j \in [0,i) j∈[0,i),遍历 [ 0 , i ) [0,i) [0,i),进行问题拆解中的两个判断:
- 当 n u m s [ i ] > n u m s [ j ] nums[i] > nums[j] nums[i]>nums[j] 时: n u m s [ i ] nums[i] nums[i] 可以接在 n u m s [ j ] nums[j] nums[j] 之后,此时最长上升子序列长度为 d p [ i ] = d p [ j ] + 1 dp[i] = dp[j] + 1 dp[i]=dp[j]+1;
- 当 n u m s [ i ] < = n u m s [ j ] nums[i] <= nums[j] nums[i]<=nums[j] 时: n u m s [ i ] nums[i] nums[i] 无法接在 n u m s [ j ] nums[j] nums[j] 之后,跳过。
所以状态转移方程为:当
n
u
m
s
[
i
]
>
n
u
m
s
[
j
]
nums[i] > nums[j]
nums[i]>nums[j] 时
d
p
[
i
]
=
m
a
x
(
d
p
[
i
]
,
d
p
[
j
]
+
1
)
,
j
∈
[
0
,
i
)
dp[i] = max(dp[i], dp[j] + 1),j \in [0,i)
dp[i]=max(dp[i],dp[j]+1),j∈[0,i)
(4)寻找边界条件:
每个数字都可以看成长度为 1 的上升子序列,所以 dp[] 可以初始化为 1。最后返回结果为 dp[] 中的最大值。
三、代码
class Solution {
public int lengthOfLIS(int[] nums) {
if(nums.length == 0)
return 0;
int[] dp = new int[nums.length];
Arrays.fill(dp, 1);
for(int i = 0; i < nums.length; i++){
for(int j = 0; j < i; j++){
if(nums[i] > nums[j])
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
int maxLength = dp[0];
for(int k = 1; k < dp.length; k++){
if(maxLength < dp[k])
maxLength = dp[k];
}
return maxLength;
}
}