300. 最长递增子序列
最近一直在攻克动态规划的题,Leetcode的简单题已经刷完,现在冲中等题,这道题算是一个比较经典的题吧,独立完成,虽然花了两个多小时,但收获很多;
思路:动态规划首先要找到状态,其次建立状态转移方程;此处状态无疑就是当前子序列的长度以及子序列的尾数,因为这样才能动态改变状态,比较来了一个大的数字,我可以让子序列长度+1,然后把子序列的尾数更新为它,当然这只是个简单思路,里面还有很多细节问题;
int lengthOfLIS(vector<int> &nums)
{
int len = nums.size();
if (len < 2)
return len;
// 先跳过前面的递减序列(如果存在的话)
int start = 0;
while (start + 1 < len && nums[start] >= nums[start + 1])
{
start++;
}
// 核心部分
vector<int> vec; // vec[i]=j表示以j结尾的子序列的长度为i,因为这里每次子序列的长度只能增加1,所以用数组下标很合适
vec.push_back(0); // vec[0]=0 没意义
vec.push_back(nums[start]); // 把第一个元素放进去
int cur = 1; //cur表示当前vec数组的长度(不含vec[0] 没意义)
// 对于nums的元素nums[i]
for (int i = start; i < len; i++)
{
bool flag = true; //flag表示能否在vec中找的比nums[i]小的元素
// 在vec中找,优先从子序列长度大的开始找,就是cur开始,依次--,直到找到
for (int j = cur; j >= 1; j--)
{
// 找到vec[j]比nums[i]小,并且子序列长度为j
if (vec[j] < nums[i])
{
// 如果j是最长长度,那么我加入nums[i]后必要最长长度+1,所以这里push_back
if (j + 1 > cur)
{
vec.push_back(nums[i]);
cur++;
}
// 否则,判断相同长度,这个nums[i]是否比vec[j+1]小,如果小,那么用它代替为vec[j+1](为什么是j+1?因为加入nums[i]后长度要+1)
else if (vec[j + 1] > nums[i])
vec[j + 1] = nums[i];
// 置flag=false,表示找到了比nums[i]小的元素
flag = false;
break;
}
}
// 如果没找到比nums[i]小的元素,那么说明nums[i]要单独作为一个子序列的起始元素,长度为1
if (flag)
{
// 这时同样将它与vec[1]的元素比较,放入最小的才能保证之后有更大的机会组成最长子序列
if (vec[1] > nums[i])
vec[1] = nums[i];
}
}
return cur; //返回vec的长度即可,表示最长递增子序列的长度
}