300. 最长递增子序列
题目描述
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
进阶:
你能将算法的时间复杂度降低到 O(n log(n)) 吗?
解题思路
思路一: 动态规划
1. 状态定义
dp[i]表示以nums[i]结尾的最长上升子序列长度;
2. 转移方程
设
j
∈
[
0
,
i
)
j∈[0,i)
j∈[0,i), 考虑到每轮计算新dp[i]时, 遍历[0, i)列表区间, 有以下两种:
- 当nums[i] > nums[j]时, nums[i]可以接在nums[j]之后, 此时最长上升子序列长度为dp[j] + 1;
- 否则, 此情况上升子序列不成立,跳过即可;
得出转移方程: d p [ i ] = m a x ( d p [ i ] , d p [ j ] + 1 ) 且 n u m s [ j ] < n u m s [ i ] dp[i] = max(dp[i], dp[j] + 1) 且 nums[j] < nums[i] dp[i]=max(dp[i],dp[j]+1)且nums[j]<nums[i]
3. 初始状态
dp[i] 所有元素置为1,含义是每个元素都至少可以单独成为子序列;
4. 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
实现代码如下:
/**
* @param {number[]} nums
* @return {number}
*/
var lengthOfLIS = function(nums) {
let len = nums.length,
dp = Array(len).fill(1),
maxLen = 1;
for (let i = 1; i < len; i++) {
for (let j = 0; j < i; j++) {
if (nums[i] > nums[j]) {
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
maxLen = Math.max(dp[i], maxLen);
}
return maxLen;
};
-
时间复杂度: O ( n 2 ) O(n^2) O(n2) ,其中 n 为数组 nums 的长度。动态规划的状态数为 n,计算状态 dp[i] 时,需要 O(n) 的时间遍历 dp[0…i−1] 的所有状态
-
空间复杂度:O(n)
思路二:贪心 + 二分查找
1. 状态定义
tails[k] 的值代表 长度为 k+1 子序列 的尾部元素值。
注意: 数组 tail 不是问题中的「最长上升子序列」, 只是用于求解问题的状态数组
2. 转移方程
设 res 为 tails 当前长度,代表直到当前的最长上升子序列长度。
设
j
∈
[
0
,
r
e
s
)
j∈[0,res)
j∈[0,res),考虑每轮遍历 nums[k] 时,通过二分法遍历 [0,res) 列表区间,找出 nums[k] 的大小分界点,会出现两种情况:
- 区间中存在 tails[i] > nums[k] : 将第一个满足 tails[i] > nums[k] 执行 tails[i] = nums[k] ;因为更小的 nums[k] 后更可能接一个比它大的数字(即用它覆盖掉比它大的元素中最小的那个) ;
- 区间中不存在 tails[i] > nums[k] : 意味着 nums[k] 可以接在前面所有长度的子序列之后,因此肯定是接到最长的后面(长度为 res ),新子序列长度为 res + 1;
3. 初始状态
令 tails 列表所有值 =0
4. 返回值
返回 res ,即最长上升子子序列长度。
/**
* @param {number[]} nums
* @return {number}
*/
var lengthOfLIS = function(nums) {
let len = nums.length,
tails = Array(len).fill(0),
res = 0;
for (let num of nums) {
let i = 0, j = res;
while (i < j) {
let m = (i + j) >> 1;
if(tails[m] < num) i = m + 1;
else j = m;
}
tails[i] = num;
if(res == j) res++;
}
return res;
};
-
时间复杂度: O ( n l o g n ) O(nlogn) O(nlogn) ,其中 n 为数组 nums 的长度。遍历 nums 列表需 O(n),在每个 nums[i] 二分法需 O(logN)
-
空间复杂度:O(n)