给定一个无序的整数数组,找到其中最长上升子序列的长度。
示例:
输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101],它的长度是 4。
说明:
可能会有多种最长上升子序列的组合,你只需要输出对应的长度即可。
你算法的时间复杂度应该为 O(n^2) 。
进阶: 你能将算法的时间复杂度降低到 O(nlogn) 吗?
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/longest-increasing-subsequence
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
思路一:暴力法
还是说,不到万不得已,我们不进行暴力法
对于每个数,我们有两种选择方法,选或不选,遍历所有元素,记录最长的上升子序列即可
思路二:DP
我们先看示例输入,推出 DP 状态和状态转移方程
i 0 1 2 3 4 5 6 7
num [10, 9, 2, 5, 3, 7, 101, 18]
dp 1 1 1 2 2 3 4 4
可以看出,对于任意的 i,dp[i-1] 已经是定值,与 a[i] 后面元素无关
且,初始状态 dp[i] =1 ,接下来
DP 两步走~~
1 定义状态
dp[i] 表示下标从 0 至 i,选择 a[i] 作为上升子序列的尾部元素,得到的上升子序列的最大长度
所以最优解不再是 dp[n-1]
, 而应该是 max(dp[0], dp[1], ..., dp[n-1])
2 状态转移方程
for i: 0 -> n-1:
dp[i] = max{dp[j] + 1} {j: 0 -> i-1 且 a[j] < a[i]}
接下来就可以开心敲代码咯
class Solution:
def lengthOfLIS(self, nums) -> int:
if not nums: return 0
dp = [1 for _ in range(len(nums))]
for i in range(len(nums)):
for j in range(i):
if nums[j] < nums[i]:
dp[i] = max(dp[i]. dp[j] + 1)
return max(dp)
小伙伴们可以发现,上面 DP 的时间复杂度是 O(n^2),空间复杂度是 O(n)
在进阶中,题目让我们最好做到 O(nlogn) 的时间复杂度,那么怎么做到呢?