LeetCode Longest Increasing Subsequence
原题链接在这里:https://leetcode.com/problems/longest-increasing-subsequence/
题目:
Given an unsorted array of integers, find the length of longest increasing subsequence.
For example,
Given [10, 9, 2, 5, 3, 7, 101, 18]
,
The longest increasing subsequence is [2, 3, 7, 101]
, therefore the length is 4
. Note that there may be more than one LIS combination, it is only necessary for you to return the length.
Your algorithm should run in O(n^2) complexity.
Follow up: Could you improve it to O(n log n) time complexity?
题解:
类似Largest Divisible Subset.
DP问题.
e.g. nums = {5, 3, 4, 8, 6, 7.
}
前1个数的LIS长度d(1)=1(序列: 5)
前2个数的LIS长度d(2)=1(序列: 3; 3前面没有比3小的)
前3个数的LIS长度d(3)=2(序列: 3, 4; 4前面有个比它小的3, 所以d(3)=d(2)+1)
前4个数的LIS长度d(4)=3(序列: 3, 4, 8; 8前面比它小的有3个数,所以 d(4)=max{d(1),d(2),d(3)}+1=3)
OK,分析到这,我觉得状态转移方程已经很明显了,如果我们已经求出了d(1)到d(i-1), 那么d(i)可以用下面的状态转移方程得到:
d(i) = max{1, d(j)+1}, 其中j<i && nums[j]<nums[i]
想要求d(i), 就把i前面的各个子序列中, 最后一个数小于nums[i]的序列长度加1, 然后取出最大的长度即为d(i). 当然了,有可能i前面的各个子序列中最后一个数都大于A[i], 那么d(i)=1, 即它自身成为一个长度为1的子序列.
dp[i]表示以nums[i]结尾的LIS.
Time Complexity: O(n^2). Space O(n).
AC Java:
1 public class Solution { 2 public int lengthOfLIS(int[] nums) { 3 if(nums == null || nums.length == 0){ 4 return 0; 5 } 6 int max = 1; 7 int [] dp = new int[nums.length]; 8 for(int i = 0; i<nums.length; i++){ 9 dp[i] = 1; 10 for(int j = 0; j<i; j++){ 11 if(nums[j] < nums[i]){ 12 dp[i] = Math.max(dp[i], dp[j]+1); 13 } 14 } 15 max = Math.max(max,dp[i]); 16 } 17 return max; 18 } 19 }
Follow-up 是要用O(n*logn)时间.
维护一个list, list.get(i) 是指长度i+1时的subarray 的最后一个数字可以放的最小值。若list.get(2) = 3, 表示长度为2的subarray尾端最小值是3.
举例:假设存在一个序列d[1..9] = 2 1 5 3 6 4 8 9 7. 可以看出来它的LIS长度为5, [1, 3, 4, 8, 9].
下面一步一步试着找出它。
我们定义一个序列B, 然后令 i = 1 to 9 逐个考察这个序列。
此外,我们用一个变量Len来记录现在最长算到多少了
首先, 把d[1]有序地放到B里,令B[1] = 2, 就是说当只有1一个数字2的时候,长度为1的LIS的最小末尾是2. 这时Len=1
然后, 把d[2]有序地放到B里,令B[1] = 1, 就是说长度为1的LIS的最小末尾是1, d[1]=2已经没用了,很容易理解吧。这时Len=1
接着, d[3] = 5, d[3]>B[1], 所以令B[1+1]=B[2]=d[3]=5, 就是说长度为2的LIS的最小末尾是5, 很容易理解吧。这时候B[1..2] = 1, 5. Len=2
再来, d[4] = 3, 它正好加在1,5之间,放在1的位置显然不合适,因为1小于3, 长度为1的LIS最小末尾应该是1, 这样很容易推知, 长度为2的LIS最小末尾是3, 于是可以把5淘汰掉,这时候B[1..2] = 1, 3. Len = 2
继续, d[5] = 6, 它在3后面, 因为B[2] = 3, 而6在3后面,于是很容易可以推知B[3] = 6, 这时B[1..3] = 1, 3, 6. 还是很容易理解吧? Len = 3 了噢。
第6个, d[6] = 4, 你看它在3和6之间,于是我们就可以把6替换掉,得到B[3] = 4. B[1..3] = 1, 3, 4. Len继续等于3
第7个, d[7] = 8, 它很大,比4大. 于是B[4] = 8. Len变成4了
第8个, d[8] = 9, 得到B[5] = 9. Len继续增大,到5了。
最后一个, d[9] = 7, 它在B[3] = 4和B[4] = 8之间,所以我们知道,最新的B[4] =7, B[1..5] = 1, 3, 4, 7, 9. Len = 5.
于是我们知道了LIS的长度为5.
Note: 这个1,3,4,7,9不是真正的subarray. 它只是存储的对应长度LIS的最小末尾。有了这个末尾,我们就可以一个一个地插入数据。
虽然最后一个d[9] = 7更新进去对于这组数据没有什么意义,但是如果后面再出现两个数字 8 和 9, 那么就可以把8更新到d[5], 9更新到d[6], 得出LIS的长度为6.
然后应该发现一件事情了:在B中插入数据是有序的,而且是进行替换而不需要挪动——也就是说,我们可以使用二分查找,将每一个数字的插入时间优化到O(logN), 于是算法的时间复杂度就降低到了O(NlogN).
Time Complexity: O(nlogn). Space: O(n).
AC Java:
1 public class Solution { 2 public int lengthOfLIS(int[] nums) { 3 if(nums == null || nums.length == 0){ 4 return 0; 5 } 6 int max = 1; 7 int [] minLast = new int[nums.length]; 8 minLast[0] = nums[0]; 9 for(int i = 1; i<nums.length; i++){ 10 int pos = bs(minLast, 0, max-1, nums[i]); 11 minLast[pos] = nums[i]; 12 if(pos + 1 > max){ 13 max = pos+1; 14 } 15 } 16 return max; 17 } 18 19 private int bs(int [] nums, int l, int r, int key){ 20 if(nums[r] < key){ 21 return r+1; 22 } 23 while(l < r){ 24 int mid = l+(r-l)/2; 25 if(nums[mid] < key){ 26 l = mid+1; 27 }else{ 28 r = mid; 29 } 30 } 31 return l; 32 } 33 }
Reference: http://blog.csdn.net/left_la/article/details/11951085
转载于:https://www.cnblogs.com/Dylan-Java-NYC/p/6405012.html
LeetCode Longest Increasing Subsequence相关推荐
- LeetCode Longest Increasing Subsequence(动态规划、二分法)
问题:求数组的最长上升子序列问题 思路:第一种方法使用动态规划方法,用dp(i)来表示从0到i之间的最长上升子序列的长度.状态转移方程为dp(i)=max{dp(j)+1},其中0<=j< ...
- leetcode 300. Longest Increasing Subsequence | 300. 最长递增子序列(动态规划)
题目 https://leetcode.com/problems/longest-increasing-subsequence/ 题解 难得有官方题解的一道题. 参考:https://leetcode ...
- leetcode(300)—— Longest Increasing Subsequence(最长递增子序列)
参考 Python 解法: 动态规划 -- 最长递增子序列(LIS) 原题位置:Longest Increasing Subsequence | LeetCode OJ 题目的说明: 严格递增: 子序 ...
- 【暴力】LeetCode 300. Longest Increasing Subsequence
LeetCode 300. Longest Increasing Subsequence Solution1:我的答案 暴力搜索,时间复杂度O(n2)O(n2)O(n^2) class Solutio ...
- [leetcode] 300. Longest Increasing Subsequence (Medium)
题意: 求最长增长的子序列的长度. 思路: 利用DP存取以i作为最大点的子序列长度. Runtime: 20 ms, faster than 35.21% of C++ online submissi ...
- [Swift]LeetCode673. 最长递增子序列的个数 | Number of Longest Increasing Subsequence
★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★ ➤微信公众号:山青咏芝(shanqingyongzhi) ➤博客园地址:山青咏芝(https://www.cnblog ...
- HPU第三次积分赛-D:Longest Increasing Subsequence(DP)
Longest Increasing Subsequence 描述 给出一组长度为n的序列,a1,a2,a3,a4...an, 求出这个序列长度为k的严格递增子序列的个数 输入 第一行输入T ...
- The Longest Increasing Subsequence (LIS)
传送门 The task is to find the length of the longest subsequence in a given array of integers such that ...
- C++longest increasing subsequence 最长递增子序列的实现之二(附完整源码)
C++longest increasing subsequence 最长递增子序列的实现 C++longest increasing subsequence 最长递增子序列的的实现完整源码(定义,实现 ...
- C++longest increasing subsequence 最长递增子序列的实现之一(附完整源码)
C++longest increasing subsequence 最长递增子序列的实现 C++longest increasing subsequence 最长递增子序列的的实现完整源码(定义,实现 ...
最新文章
- go var type 互转_Go语言学习笔记(第九章) 结构体
- 提高CocoaPods速度
- python自学教程读书导图-自学Python第一天:起点读书自动领取经验值(附思路讲解)...
- eclipse插件 --js
- python电子章_Python语言程序设计(电子)答案
- 函数mod(a,m)
- 《地下城与勇士歼灭贝内尔》回合格斗
- Halcon学习笔记:读取多张图片
- 服务器系统给U盘盘符,五大步骤解决U盘插入电脑盘符不显示问题
- python连乘函数_动态规划之矩阵连乘问题Python实现方法
- 青客公寓挂牌房源分城市爬取
- ip rule 命令
- vscode中用emmet语法a{}*3无法自动换行
- pe如何查看计算机用户名,用PE如何查看系统版本
- [Pandas] 数据合并 pd.merge
- xr企业级应用在哪里_如何在XR中保持私密
- NOI系列活动标准竞赛环境(2016年11月08日更新)
- 雅诗兰黛中国创新研发中心在上海揭幕;安联贸易任命中国区行政总裁 | 美通企业日报...
- 分析2022年国内国际学校ib的分数
- 在Google使用Borg进行大规模集群的管理
热门文章
- 哪些原因可能导致SQL操作操时呢?
- EMNLP'21 | 基于证据检索和图神经验证网络的表格事实验证模型
- 【EI 快速检索 | 九月特邀】经济与计算机多主题国际会议
- TextCNN可以和对比学习融合吗-SimCSE论文读后感
- NLP提效,除了选择合适的模型,就是数据增强了
- 【SCIRLab】ACL20 基于图注意力网络的多粒度机器阅读理解文档建模
- NLP硬核入门-PointerNet和CopyNet
- 【每日算法Day 83】邻居小孩一年级就会的乘法表,你会吗?
- python—如何删除(保留)字符串中除字母、数字外的其他元素
- 从零实现深度学习框架——理解广播和常见的乘法