LeetCode刷题--- 最长递增子序列

个人主页：元清加油_【C++】,【C语言】,【数据结构与算法】-CSDN博客

个人专栏

力扣递归题

 http://t.csdnimg.cn/yUl2I

【C++】    

​​​​​​http://t.csdnimg.cn/6AbpV

数据结构

 ​​​http://t.csdnimg.cn/hKh2l

---

前言：这个专栏主要讲述动态规划算法，所以下面题目主要也是这些算法做的  

我讲述题目会把讲解部分分为3个部分：
1、题目解析

2、算法原理思路讲解

3、代码实现

---

最长递增子序列

题目链接：最长递增子序列

题目

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：

• 你能将算法的时间复杂度降低到 O(n log(n)) 吗?

---

解法

算法原理解析

我们这题使用动态规划，我们做这类题目可以分为以下五个步骤

1. 状态显示
2. 状态转移方程
3. 初始化（防止填表时不越界）
4. 填表顺序
5. 返回值

• 状态显示

dp[i] 表示 ：以 i 位置元素为结尾的「所有子序列」中，最长递增子序列的长度。

• 状态转移方程

对于 dp[i] ，我们可以根据「⼦序列的构成⽅式」，进⾏分类讨论：

1. 子序列长度为 1 ：只能⾃⼰玩了，此时 dp[i] = 1 ；
2. 子序列长度大于 1 ： nums[i] 可以跟在前⾯任何⼀个数后⾯形成⼦序列。 设前⾯的某⼀个数的下标为 j ，其中 0 <= j <= i - 1 。 只要 nums[j] < nums[i] ， i 位置元素跟在 j 元素后⾯就可以形成递增序列，长度为 dp[j] + 1 。
3. 因此，我们仅需找到满足要求的最⼤的 dp[j] + 1 即可。

综上， dp[i] = max(dp[j] + 1, dp[i]) ，其中 0 <= j <= i - 1 && nums[j] < nums[i] 。

• 初始化（防止填表时不越界）

所有的元素「单独」都能构成⼀个递增⼦序列，因此可以将 dp 表内所有元素初始化为 1 。

由于⽤到前⾯的状态，因此我们循环的时候从第⼆个位置开始即可。

• 填表顺序

根据「状态转移⽅程」易得，填表顺序为「从左往右」。

• 返回值

由于不知道最⻓递增⼦序列以谁结尾，因此返回 dp 表⾥⾯的「最⼤值」。

---

代码实现

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) 
    {
        int n = nums.size();

        vector<int> dp(n + 1,1);			// 以i为结尾，最长的子序列
        dp[0] = 1;						// 初始化

        int ans = 1;
        // 填表
        for (int i = 1; i < n; i++)
        {
            for (int j = 0; j < i; j++)
            {
                if (nums[j] < nums[i])
                {
                    dp[i] = max(dp[j] + 1, dp[i]);
                }
                ans = max(ans, dp[i]);
            }
        }

        return ans;

 
    }
};