300. 最长递增子序列:
题目链接 :300. 最长递增子序列
题目:
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。
思路1:动态规划
-
首先分析题目要求可得,目标是得到严格递增的不修改数组内元素位置的最长子序列。
-
重叠子问题:存在重叠子问题,递增子序列存在包含关系,可以使用DP策略。
-
状态转移方程:从长度入手规定子问题的状态量并不好控制,根据题目可知道,对于一个已经存在的固定长度的递增子序列,能将其状态变化的唯一方式是下一个元素符合递增要求能够加入在序列尾部 :设dp[i]为子问题的最优解,使用两个变量维护,i变量确定区间,nums[i] 元素一定加入dp[i]中,这是满足了上文我们说到的改变一个递增子序列的条件,j变量用来维护在每个0~i区间内部的递增序列长度大小。dp[i]=max(dp[j])+1,其中0≤j<i且num[j]<num[i]
-
最优子结构:最优子结构其实很好得到,我们只要在每个区间内获得最大长度:0<=i<n,len=max(dp[i])
例如按照给定输入获得的dp数组记录如下,只有遇到严格递增的nums[i]元素才能增长当前最大递增子序列的长度。
时间复杂度:使用了两次O(n)级别的循环遍历,可得O(n^2)
额外空间复杂度:使用了n长度的dp数组记录更新长度,得到O(n)
AC代码:
class Solution {
public int lengthOfLIS(int[] nums) {
int len=nums.length;
//if(nums==null||len==0) return 0;
int[] dp=new int[len];
for(int i=0;i<len;i++)
{
dp[i]=1;
}
for(int i=0;i<len;i++)
{
for(int j=0;j<i;j++)
{
if(nums[j]<nums[i])
{
dp[i]=Math.max(dp[j]+1,dp[i]);
}
}
}
int max=0;
for(int i=0;i<len;i++)
{
max=Math.max(dp[i],max);
}
return max;
}
}