贪心算法,获取数组中最长递增子序列

   public static void main(String[] args) {
        int[] num = {1,2,3,2,3,4,5,3,4,5,6,7};
        System.out.println("最长连续递增的子序列为:" + findLength(num));
    }


    //贪心算法,获取数组中最长递增子序列
    public static int findLength(int[] num) {
        int start = 0;
        int max = 0;
        for (int i = 1; i < num.length; i++) {
            if (num[i] <= num[i - 1]){
                start = i;
            }
            max = Math.max(i - start + 1, max);
        }
        return max;
    }

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
动态规划实现最长递增子序列最长递增子序列问题是指在一个给定的序列中,找到一个子序列,使得这个子序列中的元素是单调递增的,并且在原序列中的位置是不下标连续的。例如,序列{1,3,2,4,5,6,7,8}的最长递增子序列为{1,3,4,5,6,7,8},长度为7。 动态规划算法的思路是:定义一个辅助数组b,b[i]表示以a[i]为结尾的最长递增子序列的长度。对于每个i,遍历0~i-1之间的j,如果a[j]<=a[i]并且b[j]的值最大,那么b[i]=b[j]+1。最后,b数组的最大值即为所求的最长递增子序列的长度。 以下是动态规划实现最长递增子序列的Python代码: ```python def LIS(a): n = len(a) b = [1] * n for i in range(1, n): for j in range(i): if a[j] <= a[i] and b[j] + 1 > b[i]: b[i] = b[j] + 1 return max(b) ``` 时间复杂度为O(n^2)。 0-1背包问题复杂度分析: 0-1背包问题是指有n个物品和一个容量为V的背包,每个物品有一个重量w[i]和一个价值v[i],要求选择若干物品放入背包中,使得在不超过背包容量的前提下,背包中物品的总价值最大。这是一个NP完全问题,没有多项式时间复杂度的解法。 常见的解法有贪心算法和动态规划算法贪心算法的时间复杂度为O(nlogn),但是不能保证得到最优解;动态规划算法的时间复杂度为O(nV),可以得到最优解,但是当V很大时,时间复杂度会非常高。 因此,在实际应用中,需要根据具体情况选择合适的算法。如果V较小,可以使用动态规划算法;如果V较大,可以使用贪心算法或者其他启发式算法
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值