代码随想录算法训练营-day52

最新推荐文章于 2024-09-11 22:48:33 发布

依旧1919

最新推荐文章于 2024-09-11 22:48:33 发布

阅读量120

点赞数

分类专栏：代码随想录算法训练营文章标签：算法 leetcode 动态规划

本文链接：https://blog.csdn.net/weixin_47067912/article/details/128431979

版权

代码随想录算法训练营专栏收录该内容

53 篇文章 0 订阅

订阅专栏

本文介绍了如何使用动态规划算法求解最长递增子序列（LIS）和最长连续递增序列（LCIS）。通过两段代码展示了分别针对整数数组的LIS和LCIS的解决方案。此外，还提供了一个求解两个数组最长公共子序列（LCS）的动态规划方法。这些算法都以优化的时间复杂度找到序列中的关键属性。

摘要由CSDN通过智能技术生成

300.最长递增子序列

学习文章链接：
思路：见代码
代码：

class Solution {
    public int lengthOfLIS(int[] nums) {
        int len = nums.length;
        if (len <= 1) return nums.length;
        int[] dp = new int[len];
        Arrays.fill(dp, 1);
        int res = 0;
        for (int i = 1; i < len; i++) {
            for (int j = 0; j < i; j++) {
                if (nums[i] > nums[j]) dp[i] = Math.max(dp[i], dp[j] + 1);
            }
            // 取长的子序列
            if (dp[i] > res) res = dp[i];
        }
        return res;
    }
}

674. 最长连续递增序列

学习文章链接：
思路：见代码
代码：

class Solution {
    public int findLengthOfLCIS(int[] nums) {
        int len = nums.length;
        int result = 1;
        if(len == 0) return 0;
        int[] dp = new int[len];
        Arrays.fill(dp, 1);

        dp[0] = 1;

        for(int i = 1; i < len; i++){
            if(nums[i] > nums[i - 1]){
                dp[i] = dp[i - 1] + 1;
            }
            if(dp[i] > result) result = dp[i];
        }
        return result;
    }
}

学习文章链接：
思路：
代码：

class Solution {
    public int findLength(int[] nums1, int[] nums2) {
        if (nums1.length == 0 || nums2.length == 0) return 0;
        int m = nums1.length;
        int n = nums2.length;
        int[][] dp = new int[m + 1][n + 1];
        int res = 0;
        for (int i = 1; i <= m; i++) {
            for (int j = 1; j <= n; j++) {
                if (nums1[i - 1] == nums2[j - 1]) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }
                if (dp[i][j] > res) res = dp[i][j]; 
            }
        }
        return res;
    }
}