力扣每日一题第2天(最长上升子序列300)
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。
示例 1:
输入:nums = [10,9,2,5,3,7,101,18]
输出:4
解释:最长递增子序列是 [2,3,7,101],因此长度为 4 。
示例 2:
输入:nums = [0,1,0,3,2,3]
输出:4
示例 3:
输入:nums = [7,7,7,7,7,7,7]
输出:1
提示:
1 <= nums.length <= 2500
-104 <= nums[i] <= 104
进阶:
你可以设计时间复杂度为 O(n2) 的解决方案吗?
你能将算法的时间复杂度降低到 O(n log(n)) 吗?
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/longest-increasing-subsequence
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
动态规划,二分查找
方法一:直接动态规划
dp[i]的值表示以i结尾的最长子序列长度,初始时dp=[1]*len(nums)。设j属于[0,i),遍历[0,i)每轮重新计算dp[i].当且仅当nums[i]>nums[j]时,dp[i]=max(dp[i],dp[j]+1)。
状态转移方程:
dp[i]=max(dp[i],dp[j]+1) for j in [0,i]
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
if not nums : return o
n=len(nums)
dp=[1]*n
for i in range(n):
for j in range(i):
if nums[j]<nums[i]:
dp[i]=max(dp[i],dp[j]+1)
return max(dp)
方法二:二分查找
初始化tail=[nums[0]],tail[len]表示长度为len的连续上升子序列的最小末尾元素。
算法具体流程:
初始化tail=[nums[0]]
遍历nums[1:]
如果num[i]>tail[-1],直接将num[i]加入到tail的末尾。
否则在tail中利用二分查找,将num[i]替换tail中第一个大于或等于num[i]
返回tail的长度
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
n=len(nums)
if n<2:
return n
tail=[nums[0]]
for i in range(1,n):
if nums[i]>tail[-1]:
tail.append(nums[i])
continue
l=0
r=len(tail)-1
while l<=r:
mid=(l+r)//2
if tail[mid]>=nums[i]:
r=mid-1
else:
l=mid+1
tail[l]=nums[i]
return len(tail)