严格递增和非严格递增最长递增子序列长度
严格递增
最长递增子序列,给定一个无序整数数组nums(字符串也可以,不重要),给出最长严格递增子序列的长度。比如输入[1, 2 , 1, -1, 1, 4, 0],输出3,最长递增子序列[1, 2, 4],当然可能不唯一,[-1, 1, 4]也是一个,但是并不影响长度。
强行遍历就不说了,时间复杂度O(2^n),简直爆炸。
思路1:动态规划,建立一个数组dp,dp[i]记录nums[0:i]的最长递增子序列的长度。
dp[i]=max(dp[j]+1),j∈{j∣nums[j]<nums[i],0<=j<i}dp[i] = max(dp[j]+1),j∈\{ j | nums[j] < nums[i], 0 <= j < i\} dp[i]=max(dp[j]+1),j∈{j∣nums[j]<nums[i],0<=j<i}
输出max(dp)即可,时间复杂度O(n^2),空间复杂度O(n)。
public int maxLengthCSub(int[] nums) {if(nums == null) {return 0;}int len = nums.length;if(len == 0 || len == 1) {return len;}int maxLen = 1;int[] dp = new int[len];for(int i = 0; i < len; i++) {dp[i] = 1;for(int j = 0; j < i; j++) {if(nums[i] > nums[j]) {dp[i] = Math.max(dp[i], dp[j]+1); // 更新dp[i]maxLen = Math.max(maxLen, dp[i]); // 更新最大值}}}return maxLen;
}
思路2:动态规划+二分查找
同样建立一个数组dp,但是这里dp记录的是上升子序列,遍历nums室,用nums的元素填充dp,填充规则是什么呢?首先利用二分查找找到nums[i]在dp中应该插入的位置j,若j==当前dp的长度,则在dp末尾插入nums[i],maxLen加一,否则dp[j]=nums[i]。这里可能有个疑问,比如说nums[i0]=1放入dp[1],在后面的遍历中有一个nums[i1]=-1也需要放入dp[1],此时不会影响长度的计算吗?答案是不会,用一个例子比较容易理解。
input:[1, 2 , 1, -1, 1, 4, 0]
dp:[1], maxLen = 1
dp:[1, 2], maxLen = 2
dp:[1, 2], maxLen = 2
dp:[-1, 2], maxLen = 2
dp:[-1, 1], maxLen = 2
dp:[-1, 1, 4], maxLen = 3
dp:[-1, 0, 4], maxLen = 3
这里[-1, 0, 4]虽然不是一个最长递增子序列,但是并不会影响maxLen的值。
时间复杂度O(nlgn),空间复杂度O(n)。
public int maxLengthCSub(int[] nums) {if(nums == null) {return 0;}if(nums.length == 0 || nums.length == 1){return nums.length;}int[] dp = new int[nums.length];int maxLen = 0;for(int i = 0; i < nums.length; i++){int index = findIndex(dp, maxLen, nums[i]);dp[index] = nums[i];if(index == maxLen)maxLen++;}return maxLen;
}
// 二分查找,找到target在nums[0:len-1]的插入位置
public int findIndex(int[] nums, int len, int target){if(len == 0)return 0;int low = 0;int high = len;if(target <= nums[low])return 0;if(target > nums[len-1])return len;while(low < high){int middle = low + (high-low)/2;if(target > nums[middle]) // 右边low = middle + 1;else high = middle;}return low;
}
非严格递增
思路1:同严格递增的思路1,只需要在比较的时候加个等号:
dp[i]=max(dp[j]+1),j∈{j∣nums[j]<=nums[i],0<=j<i}dp[i] = max(dp[j]+1),j∈\{ j | nums[j] <= nums[i], 0 <= j < i\} dp[i]=max(dp[j]+1),j∈{j∣nums[j]<=nums[i],0<=j<i}
思路2:基本类似严格递增的思路1,但是这里插入的规则是要变的,不再是用二分查找插入dp,其插入位置要保证
dp[i−1]<=dp[i]<dp[i+1]dp[i-1] <= dp[i] < dp[i+1] dp[i−1]<=dp[i]<dp[i+1]
边界情况这里就不分析了,程序里也不需要进行分析,只需要求出i即可,同样求出i==maxLen,maxLen加一。还是通过一个例子来看。
input:[1, 2 , 1, -1, 1, 4, 0]
dp:[1], maxLen = 1
dp:[1, 2], maxLen = 2
dp:[1, 1], maxLen = 2
dp:[-1, 1], maxLen = 2
dp:[-1, 1, 1], maxLen = 3
dp:[-1, 1, 1, 4], maxLen = 4
dp:[-1, 0, 1, 4], maxLen = 4
看出不一样来了吧,主要是1的插入位置,不在是替换掉前面的1,而是在前面的1的后面放入新的1。
public int maxLengthCSub(int[] nums) {if(nums == null) {return 0;}int len = nums.length;if(len == 0 || len == 1) {return len;}int[] dp = new int[len];int maxLen = 0;for(int i = 0; i < len; i++) {int tmp = findIndex(dp, maxLen, nums[i]); // 无重复数字时的插入位置int tmp2 = findRIndex(dp, tmp, nums[i]); // 有重复数字时的插入位置tmp = tmp2 == -1 ? tmp:tmp2;dp[tmp] = nums[i];if(tmp == maxLen)maxLen++;}return maxLen;}
// 同严格递增
// 二分查找,找到target在nums[0:len-1]的插入位置
public int findIndex(int[] nums, int len, int target){if(len == 0)return 0;int low = 0;int high = len;if(target <= nums[low])return 0;if(target > nums[len-1])return len;while(low < high){int middle = low + (high-low)/2;if(target > nums[middle]) // 右边low = middle + 1;else high = middle;}return low;
}
// 返回-1时,正常使用二分查找即可
public int findRIndex(int[] nums, int low, int tar) {if(low >= nums.length || low < 0)return -1;if(nums[low] != tar) { // 说明没有重复值return -1;}int high = low + 1;while(high < nums.length && nums[high] == nums[low]) {high++;}return high;
}
严格递增和非严格递增最长递增子序列长度相关推荐
- 51nod1134最长递增子序列(dp)
题目链接:http://www.51nod.com/onlineJudge/questionCode.html#!problemId=1134 这里说下,最长上升子序列和最长不降子序列几乎一样,只是判 ...
- 【刷题】LOJ 6005 「网络流 24 题」最长递增子序列
题目描述 给定正整数序列 \(x_1 \sim x_n\) ,以下递增子序列均为非严格递增. 计算其最长递增子序列的长度 \(s\) . 计算从给定的序列中最多可取出多少个长度为 \(s\) 的递增子 ...
- 最长递增子序列 最长连续递增序列
引言 这两道题有很大的相似性,在这里主要的地方就是循环的设置,不仅仅适用于这两道题,在很多类似的题目中都可以用到,要学会相应的方法才行: 最长递增子序列 给你一个整数数组 nums ,找到其中最长严格 ...
- 动态规划算法-04最长递增子序列问题
最长递增子序列问题 简述 经典的动态规划问题. 问题描述 给定一个序列,求解其中长度最长的递增子序列. 问题分析 这种可以向下查询答案的很容易想到动态规划的解法. 要求长度为i的序列Ai={a1,a2 ...
- 耐心排序之最长递增子序列(LIS)
目录 一.问题引入 1.最长递增子序列(LIS) 2.问题分析 3.代码实现 4.问题思考 二.耐心排序 1.基本介绍 2.操作步骤 3.代码实现 三.俄罗斯套娃信封问题 1.题目描述 2.问题分析 ...
- 动态规划算法04-最长递增子序列问题
最长递增子序列问题 简述 经典的动态规划问题. 问题描述 给定一个序列,求解其中长度最长的递增子序列. 问题分析 这种可以向下查询答案的很容易想到动态规划的解法. 要求长度为i的序列Ai={a1,a2 ...
- 【LeetCode 二分查找专项】最长递增子序列(300)(to be polished...)
文章目录 1. 题目 1.1 示例 1.2 说明 1.3 提示 1.4 进阶 2. 解法一(动态规划) 2.1 分析 2.2 解答 2.3 复杂度 3. 解法二(二分查找) 3.1 分析 3.2 解答 ...
- 最长递增子序列问题的求解
一, 最长递增子序列问题的描述 设L=<a1,a2,-,an>是n个不同的实数的序列,L的递增子序列是这样一个子序列Lin=<aK1,ak2,-,akm>,其中k1<k2 ...
- 动态规划(最长递增子序列)---最长递增子序列
最长递增子序列 300. Longest Increasing Subsequence (Medium) 题目描述: 给定一个数组,找到它的最长递增子序列 思路分析: 动态规划思想,定义一个数 ...
最新文章
- Java_bytecode
- skimage库安装
- 10.19 qbxt国庆day3
- 纯java应用搭建,16、BoneCp纯java项目使用
- TCP BBR - 如何安装、启动、停止BBR!
- ASP.NET项目中的驼峰格式JSON响应
- java jtextfield 事件_java – 处理JTextField中的编辑事件
- 苹果iPhone XI新爆料:用了被小米当噱头的TOF技术
- c语言switch工资怎么弄,超级新手,用switch写了个计算器程序,求指导
- #include stdafx.h
- 语义替换脚本——论文降重GUI
- 8个优质自学网站收藏
- Android 百分比布局库(percent-support-lib) 解析与扩展
- vue引入Echarts画饼图详解
- 基于ensp的网络设计【实现网络互联、限制访问、内外网地址转换】
- 2018王鼎杯-fakebook-详细解说
- 结构-02. 有理数加法
- 马云布局大阿里蓝图:美好但需跋涉
- 面试别向HR说这六种离职原因
- 为什么 头条 宇宙条_为什么美团被戏称为“开水团”,头条则被封为“宇宙条”?...
热门文章
- 前后端分离实现图片上传的功能
- 熊分享-负重前行有我陪伴!
- 365值得吗 office_你可能是正版受害者?吐槽Office 365坑爹之处
- 鸿蒙系统可以跟ios媲美吗,华为鸿蒙三年媲美苹果iOS?技术上问题不大,生态才是真正考验...
- multisim14晶振在哪里_石英晶振在multisim中哪里
- DOTA2无法找到有效的direct 3D
- Sklearn机器学习中的主要算法原理以及实现
- Oracle-11:联合查询
- 【迅为iMX6Q】开发板:uboot-imx编译
- Agilent E4407B/安捷伦E4407B频谱分析仪