所用代码 java
最长递增子序列 LeetCode 300
题目链接:最长递增子序列 LeetCode 300 - 中等
思路
- dp[i]数组:以nums[i]为结尾(结果可能不是最后一个数)的最长递增子序列的长度
- 递推公式:
dp[i] = max(dp[i], dp[j]+1)
- nums[i] > nums[j] 的话就是dp[j] + 1 。就是i对应元素大于了j对应的元素,就得加一
- 不大于就是本身
- 初始化:dp[i] = 1
- 遍历顺序:1<=i<nums.size() 0<j<i遍历0-i之间的的所有数
- 打印dp
- 结果:不是dp[nums.length-1],因为以nums[nums.length-1]结尾的数的递增子序列可能不是最大的
class Solution {
public int lengthOfLIS(int[] nums) {
int[] dp = new int[nums.length];
// 初始化,每个元素至少有一个位
Arrays.fill(dp,1);
int result = 1;
for (int i = 1; i < nums.length; i++) {
// j循环遍历0-i之间的所有数
// dp[j]表示以j结尾的最长递增子序列长度
for (int j = 0; j < i; j++) {
// 更新dp[i]
if (nums[i] > nums[j]){
dp[i] = Math.max(dp[i], dp[j] + 1);
}
// System.out.printf("\tjjdp[%d]=%d",j,dp[j]);
}
// System.out.printf("\tiidp[%d]=%d\n",i,dp[i]);
result = Math.max(result,dp[i]);
}
return result;
}
}
总结
重点在于搞懂dp[i]的含义,即以nums[i]结尾的最长递增子序列的长度。
j的含义就在于遍历到这个数时(小于i),当nums[i]>nums[j]
,我们就会更新dp[i]的值,以保证最大的递增子序列。
最长连续递增序列 LeetCode 674
题目链接:最长连续递增序列 LeetCode 674 - 简单
思路
重点在于取连续区间的最大值,连续的话就只用和nums[i-1]相比,不用和i-1之前的数相比。
- dp[i]:以i结尾的nums[i]最长的连续递增子序列为dp[i]
- 递推公式:
if (nums[i] > nums[i-1]) dp[i] = dp[i-1] + 1
- 初始化:dp[i] = 1 ,也可以初始化dp[0]=1,后面else也可以进行赋值
- 遍历顺序:1<=i<nums.length
- 打印
- 结果:并不是dp[nums.length-1],因为以nums[nums.length-1]结尾的数的递增子序列可能不是最大的
class Solution {
public int findLengthOfLCIS(int[] nums) {
int[] dp = new int[nums.length];
// 初始化
Arrays.fill(dp,1);
int result = 1; // 储存结果
for (int i = 1; i < nums.length; i++) {
// dp[i]只用和前一位进行比较,然后更新
if (nums[i] > nums[i-1]) dp[i] = dp[i-1] + 1;
result = result > dp[i] ? result : dp[i];
}
return result;
}
}
总结
求最长子序列重点在于所求子序列是否要求连续。
- 若连续,如本题:就只用和前一个数比较就好了,只用一个for
- 若不连续,如上一题:就需要和前面的每一个数相比较,所有需要定义一个j来遍历0-i之间的每一个数
最长重复子数组 LeetCode 718
题目链接:最长重复子数组 LeetCode 718 - 中等
思路
主要是需要一个二维的dp数组,一个值记录i下标,一个值记录j下标
- dp[i] [j]:以i-1为结尾的nums1 和 以j-1结尾的nums2数组的最长重复字符数组的长度为dp[i] [j]
- 递推公式:
if(nums1[i-1] == nums2[j-1]) dp[i][j] = dp[i-1][j-1] + 1
- 初始化:
dp[i][0] = 0 dp[0][j] = 0
这两个状态无意义的,其他也初始化为0,因为一开始不知道有没有相等,所有先等于0,后面再覆盖 - 遍历顺序:先遍历i或j都可以 1<=i<=nums1.length 1<=j<=nums2.length 后面的i,小于等于是为了能表示最后一个元素以满足我们dp[i] [j]的含义
- 打印
- 结果:并不一定是在dp[nums1.length] [nums2.length],而是可能在前面的某个点
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int[][] dp = new int[nums1.length+1][nums2.length+1];
int res = 0;
// dp[i][0]和dp[0][j]默认初始化为0
for (int i = 1; i <= nums1.length; i++) {
for (int j = 1; j <= nums2.length; j++) {
// 以i-1为结尾的nums1和以j-1为结尾的nums2的最大重复子数组长度为dp[i][j]
// 这个数相等了,就在i-1和j-1的基础上+1
if (nums1[i-1] == nums2[j-1]){
dp[i][j] = dp[i-1][j-1] + 1;
res = Math.max(res, dp[i][j]);
}
}
}
return res;
}
}
总结
从递推公式可以看成,我们i,j这个状态的值全部来自于前一个状态,所有可以压缩成一个一维的数组。
注意:
- j必须从后往前遍历,因为对于上一个确定的i,j,我们下一次需要使用他的结果,所以从后往前遍历以免覆盖之前的值。
- 若不相等得置dp[j]=0,因为这一轮的结果是下一轮需要的,若我们不匹配就得把值置0,以便告诉下一轮我们在i-1的情况下没有相等的值。
class Solution {
public int findLength(int[] nums1, int[] nums2) {
// 因为nums2后遍历,所有只用定义这么长
int[] dp = new int[nums2.length+1];
int res = 0;
for (int i = 1; i <= nums1.length; i++) {
// 由于每次dp[j]需要用到dp[j-1]的结果,所以应该从后往前遍历
for (int j = nums2.length; j > 0; j--) {
if (nums1[i-1] == nums2[j-1]){
dp[j] = dp[j-1] + 1;
res = Math.max(res,dp[j]);
}else {
// 若不相等一定要赋值为0,因为我们下一次i+1开始,匹配的是新的i于j了
dp[j] = 0;
}
}
}
return res;
}
}