一、300.最长递增子序列
注意的点:
- 需要两层遍历。
- 第一层遍历是计算以每一个字符为尾的字符串中的最长递增子序列。
- 第二层遍历通过用当前字符与前边每一个字符比较,若大于就说明递增,在这个字符dp值的基础上+1,最后取一个最大值
- 最重要的,要对整个dp数组再进行一次遍历,寻求总的最大值。
public class 最长递增子序列300 {
public int lengthOfLIS(int[] nums) {
//表示考虑i之前的数的话最大长度
int[] dp = new int[nums.length];
//单单一个数,就是1
for (int i = 0; i < dp.length; i++) {
dp[i] = 1;
}
int result = dp[0];
//两层循环
for (int i = 1; i < dp.length; i++) {
for (int j = 0; j < i; j++) {
//如果nums[i]大于nums[j]说明可以组成递增序列,则可以+1,同时比较与现在的dp[i]的大小
if(nums[i] > nums[j])
dp[i] = Math.max(dp[i], dp[j] + 1);
}
result = Math.max(result, dp[i]);
}
//踩坑:最后返回的不是最后一位,而是所有位置的最大值
//return dp[dp.length-1];
return result;
}
}
二、674. 最长连续递增序列
注意的点:
- 因为是求连续,所以比较简单
- 要注意判断数组长度,若为1,则直接返回1
以下是代码部分:
public class 最长连续递增序列674 {
public int findLengthOfLCIS(int[] nums) {
//这里要初始化为1,否则 [1] 这个数据过不了
int result = 1;
for (int i = 0; i < nums.length - 1; i++) {
int tmp = 1;
while ( i < nums.length-1 && nums[i] < nums[i+1]){
tmp++;
i++;
}
result = Math.max(result, tmp);
}
return result;
}
}
三、718. 最长重复子数组
注意的点:
- 暴力解法的超时问题:总是比较多次两个字符串前半部分的字符。解决方法:先比较后边,在发现当前字符相同时,就在后边的基础上+1,否则给当前dp值置为0.
- 初始化的时候,比较两个字符的最后一位,若相等置1,否则置0.
- 最后,要对所有的dp值进行比较,取一个最大值。
以下是代码部分:
public class 最长重复子数组718 {
//暴力破解 转 动态规划
public int findLength(int[] nums1, int[] nums2) {
int result = 0;
//记录以i、j为首字母的字符串的最长重复
int[][] dp = new int[nums1.length][nums2.length];
//初始化
for (int i = 0; i < nums1.length; i++) {
if( nums1[i] == nums2[nums2.length-1]) {
dp[i][nums2.length - 1] = 1;
result = 1;
}
}
for (int j = 0; j < nums2.length; j++) {
if( nums1[nums1.length-1] == nums2[j]) {
dp[nums1.length - 1][j] = 1;
result = 1;
}
}
//从后向前推到
//踩坑:这里要从 -2 开始(而不是 -1)
for (int i = nums1.length-2; i >= 0; i--) {
for (int j = nums2.length-2; j >= 0; j--) {
//注意,这里dp数组没有在更新是进行max比较,所以它存的是当前解,而不是局部最优解
//如果相同,加上后边相同的就是总长度
if(nums1[i] == nums2[j])
dp[i][j] = dp[i+1][j+1] + 1;
//如果不相同,直接置为0
else
dp[i][j] = 0;
result = Math.max(result, dp[i][j]);
}
}
return result;
}
}