方法一:动态规划
参考代码:
class Solution {
public int lengthOfLIS(int[] nums) {
if(nums.length == 0) return 0;
int[] dp = new int[nums.length];
int res = 0;
Arrays.fill(dp, 1);
for(int i = 0; i < nums.length; i++) {
for(int j = 0; j < i; j++) {
if(nums[j] < nums[i]) dp[i] = Math.max(dp[i], dp[j] + 1);
}
res = Math.max(res, dp[i]);
}
return res;
}
}
解题思路:
状态定义:
dp[i] 的值代表 nums 以 nums[i] 结尾的最长子序列长度。
转移方程: 设 j∈[0,i),考虑每轮计算新 dp[i] 时,遍历 [0,i) 列表区间,做以下判断:
1.当 nums[i] > nums[j] 时: nums[i]可以接在 nums[j]之后(此题要求严格递增),此情况下最长上升子序列长度为 dp[j] + 1 ;
2.当 nums[i] <= nums[j] 时: nums[i] 无法接在 nums[j] 之后,此情况上升子序列不成立,跳过。
上述所有 1. 情况 下计算出的 dp[j] + 1dp[j]+1 的最大值,为直到 ii 的最长上升子序列长度(即 dp[i])。实现方式为遍历 jj 时,每轮执行 dp[i] = max(dp[i], dp[j] +1)。
转移方程: dp[i] = max(dp[i], dp[j] + 1) for j in [0, i)。
初始状态:
dp[i] 所有元素置 1,含义是每个元素都至少可以单独成为子序列,此时长度都为 1。
返回值:
返回 dp列表最大值,即可得到全局最长上升子序列长度。
作者:jyd
链接:https://leetcode-cn.com/problems/longest-increasing-subsequence/solution/zui-chang-shang-sheng-zi-xu-lie-dong-tai-gui-hua-2/
来源:力扣(LeetCode)
总的来说就是找一个单增数组,先找到原数组中出现单增趋势的第一个数,如例题中就是2,再继续找比他大的数,同时dp数组中对应的dp[i] 的值(代表 nums 以 nums[i] 结尾的最长子序列长度)也需要相应的加一,具体过程最好在idea上或者其他软件上一步一步调试跟着走一遍,能更加清楚的明白。
方法二:贪心+二分法查找
参考代码:
class Solution {
public int lengthOfLIS(int[] nums) {
int maxL = 0;
int[] dp = new int[nums.length];
for(int num : nums) {
int lo = 0, hi = maxL;
while(lo < hi) {
int mid = lo+(hi-lo)/2;
if(dp[mid] < num)
lo = mid+1;
else
hi = mid;
}
dp[lo] = num;
if(lo == maxL)
maxL++;
}
return maxL;
}
}
解题思路:
dp[i]: 所有长度为i+1的递增子序列中, 最小的那个序列尾数.
由定义知dp数组必然是一个递增数组, 可以用 maxL 来表示最长递增子序列的长度.
对数组进行迭代, 依次判断每个数num将其插入dp数组相应的位置:
1. num > dp[maxL], 表示num比所有已知递增序列的尾数都大, 将num添加入dp
数组尾部, 并将最长递增序列长度maxL加1
2. dp[i-1] < num <= dp[i], 只更新相应的dp[i]
这个思路也和上一个差不多,需要在idea上一步一步运行,感受其解题思路,其实关于这题我也还没太懂,如有令人误解的地方请多多包涵 。