673. 最长递增子序列的个数

给定一个未排序的整数数组,找到最长递增子序列的个数。

示例 1:

输入: [1,3,5,4,7]
输出: 2
解释: 有两个最长递增子序列,分别是 [1, 3, 4, 7] 和[1, 3, 5, 7]。

示例 2:

输入: [2,2,2,2,2]
输出: 5
解释: 最长递增子序列的长度是1,并且存在5个子序列的长度为1,因此输出5。

注意: 给定的数组长度不超过 2000 并且结果一定是32位有符号整数。

解题思路:

定义 dp(n,1) cnt (n,1) 

这里我用dp[i]表示以nums[i]为结尾的递推序列的长度,用cnt[i]表示以nums[i]为结尾的递推序列的个数,初始化都赋值为1,只要有数字,那么至少都是1。然后我们遍历数组,对于每个遍历到的数字nums[i],我们再遍历其之前的所有数字nums[j],当nums[i]小于等于nums[j]时,不做任何处理,因为不是递增序列。反之,则判断dp[i]和dp[j]的关系,如果dp[i]等于dp[j] + 1,说明nums[i]这个数字可以加在以nums[j]结尾的递增序列后面,并且以nums[j]结尾的递增序列个数可以直接加到以nums[i]结尾的递增序列个数上。如果dp[i]小于dp[j] + 1,说明我们找到了一条长度更长的递增序列,那么我们此时奖dp[i]更新为dp[j]+1,并且原本的递增序列都不能用了,直接用cnt[j]来代替。维护一个全局最长的子序列长度mx,每次都进行更新,到最后遍历一遍每个节点,如果长度等于mx,res+=cnt[i];

code:

class Solution {
public:
   int findNumberOfLIS(vector<int>& nums) {
        int n = nums.size(), max_len = 1, res = 0;
        vector<int> dp(n, 1), cnt(n, 1);   //dp记录以i结尾的最长子序列长度 ,cnt记录以i结尾的最长子序列的个数
        for(int i = 1; i < n; ++i){
            for(int j = 0; j < i; ++j){
                if(nums[j] < nums[i] && dp[j] + 1 > dp[i]){
                    dp[i] = dp[j] + 1;
                    cnt[i] = cnt[j];
                } else if(nums[j] < nums[i] && dp[j] + 1 == dp[i]){
                    cnt[i] += cnt[j];
                }
            }
            max_len = max(max_len, dp[i]);
        }
        for(int i = 0; i < n; ++i)
            if(dp[i] == max_len) res += cnt[i];
        return res;
    }
};

 

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
首先,我们需要定义一个数组dp,其中dp[i]表示以A[i]为结尾的最递增序列度。 接下来,我们需要一个变量len来记录当前最递增序列度,并且初始化为1。同时,我们还需要一个变量tail,表示目前已经构建的最递增序列的最后一个元素。 然后,我们从第二个元素开始遍历整个序列A。对于每个元素A[i],我们需要找到在它之前的所有元素中,比它小的元素中最递增序列,然后把A[i]接到这个序列后面。这样,我们就可以得到以A[i]为结尾的最递增序列。 具体来说,我们可以使用二分查找来找到在A[1...i-1]中比A[i]小的元素中最递增序列。在查找过程中,我们需要维护一个tails数组,其中tails[k]表示度为k的递增序列的最后一个元素的最小值。对于每个A[i],我们都要在tails数组中找到第一个大于等于它的元素,然后用它来更新dp[i]和tails数组。 最终,最递增序列度就是dp数组中的最大值。 下面是具体的算法实现: ``` def findLongestIncreasingSubsequence(A): n = len(A) dp = [1] * n tails = [A[0]] for i in range(1, n): if A[i] < tails[0]: tails[0] = A[i] elif A[i] > tails[-1]: tails.append(A[i]) else: l, r = 0, len(tails) - 1 while l < r: mid = (l + r) // 2 if tails[mid] < A[i]: l = mid + 1 else: r = mid tails[l] = A[i] dp[i] = len(tails) return max(dp) ``` 这个算法的时间复杂度是O(n log n),其中n是序列A的度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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