Leetcode_674 最长连续递增序列

这篇博客介绍了一个寻找给定整数数组中最长连续递增子序列的问题,提供了两种解决方案:滑动窗口和动态规划。每种方法的时间复杂度均为O(N),空间复杂度为O(1)。示例中给出了具体的应用和代码实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

给定一个未经排序的整数数组,找到最长且连续递增的子序列,并返回该序列的长度。
连续递增的子序列 可以由两个下标 l 和 r(l < r)确定,如果对于每个 l <= i < r,都有 nums[ i ] < nums[i + 1] ,那么子序列 [nums[ l ], nums[l + 1], …, nums[r - 1], nums[ r ]] 就是连续递增子序列。
0 ≤ nums.length ≤104
−109 ≤ nums[ i ] ≤ 109

示例1:

输入:nums = [1, 3, 5, 4, 7]
输出:3
解释:最长连续递增序列是 [1, 3, 5], 长度为3。
尽管 [1, 3, 5, 7] 也是升序的子序列, 但它不是连续的,因为 5 和 7 在原数组里被 4 隔开。

示例2:

输入:nums = [2, 2, 2, 2, 2]
输出:1
解释:最长连续递增序列是 [2], 长度为1。

思路分析:

题目要求我们找的子序列是 连续 的,并且子序列里的元素要求严格单调递增。在遍历的时候,从第 2 个元素开始;
如果当前遍历到的元素比它左边的那一个元素要严格大,「连续递增」的长度就加 1;
否则「连续递增」的起始位置就需要重新开始计算。这里给出两个参考代码。

  1. 滑动窗口和双指针;
  2. 动态规划;

参考代码 1:

public class 最长连续递增序列 {

    public static int findLengthOfLCIS1(int[] nums) {
        int len = nums.length;
        int res = 0;
        int left = 0;
        int right = 0;
        // 循环不变量 [left..right) 严格单调递增
        while (right < len) {
            if (right > 0 && nums[right - 1] >= nums[right]) {
                left = right;
            }
            right++;
            res = Math.max(res, right - left);
        }
        return res;
    }
//    动态规划
    public static int findLengthOfLCIS2(int[] nums) {
        if (nums == null || nums.length == 0) {
            return 0;
        }
        int maxLen = 1;
        int currentLen = 1;
//    f(i)表示以当前元素结尾的最长连续递增序列长度:如果当前元素大于上一元素f(i) = f(i-1) + 1;否则f(i) = 1;
        for (int i = 1; i < nums.length; i++) {
            if (nums[i - 1] < nums[i]) {
                currentLen++;
            } else {
                maxLen = currentLen > maxLen ? currentLen : maxLen;
                currentLen = 1;
            }
        }
        return maxLen;
    }

    public static void main(String[] args) {
        int[] nums = {1, 3, 5, 4, 7};
        int[] nums1 = {2, 2, 2, 2, 2};
        System.out.println(findLengthOfLCIS1(nums));
        System.out.println(findLengthOfLCIS1(nums1));
        System.out.println(findLengthOfLCIS2(nums));
        System.out.println(findLengthOfLCIS2(nums1));
    }
}

复杂度分析:

时间复杂度:O(N),其中 N 是数组 nums 的长度,程序需要遍历数组一次;
空间复杂度:O(1)。额外使用的空间为有限个变量。

### 解题思路 LeetCode674 题的目标是找到给定数组中的最长连续递增序列的长度。此问题可以通过一次线性扫描来解决,时间复杂度为 O(n),空间复杂度可以优化到 O(1)[^1]。 #### 关键点分析 - **连续性**:题目强调的是“连续”,因此只需要比较相邻两个元素即可判断是否构成递增关系。 - **动态规划 vs 贪心算法**:虽然可以用动态规划的思想解决问题,但由于只需记录当前的最大值而无需回溯历史状态,贪心策略更为高效[^3]。 --- ### Python 实现 以下是基于贪心算法的 Python 实现: ```python class Solution: def findLengthOfLCIS(self, nums): if not nums: # 如果输入为空,则返回0 return 0 max_len = 1 # 至少有一个元素时,最小长度为1 current_len = 1 # 当前连续递增序列的长度初始化为1 for i in range(1, len(nums)): # 从第二个元素开始遍历 if nums[i] > nums[i - 1]: # 判断当前元素是否大于前一个元素 current_len += 1 # 是则增加当前长度 max_len = max(max_len, current_len) # 更新全局最大长度 else: current_len = 1 # 否则重置当前长度 return max_len # 返回最终结果 ``` 上述代码通过维护 `current_len` 和 `max_len` 来跟踪当前连续递增序列的长度以及整体的最大长度。 --- ### Java 实现 下面是等效的 Java 版本实现: ```java public class Solution { public int findLengthOfLCIS(int[] nums) { if (nums.length == 0) { // 处理边界情况 return 0; } int maxLength = 1; // 初始化最大长度 int currentLength = 1; // 初始化当前长度 for (int i = 1; i < nums.length; i++) { if (nums[i] > nums[i - 1]) { // 若满足递增条件 currentLength++; // 增加当前长度 maxLength = Math.max(maxLength, currentLength); // 更新最大长度 } else { currentLength = 1; // 不满足递增条件时重新计数 } } return maxLength; // 返回结果 } } ``` 该版本逻辑与 Python 类似,但在语法上更贴近 Java 的特性[^4]。 --- ### C++ 实现 对于 C++ 用户,下面是一个高效的解决方案: ```cpp #include <vector> #include <algorithm> // 使用 std::max 函数 using namespace std; class Solution { public: int findLengthOfLCIS(vector<int>& nums) { if (nums.empty()) { // 边界处理 return 0; } int result = 1; // 结果变量 int count = 1; // 当前连续递增序列长度 for (size_t i = 1; i < nums.size(); ++i) { if (nums[i] > nums[i - 1]) { // 检查递增条件 count++; result = max(result, count); } else { count = 1; // 重置计数器 } } return result; // 返回最终结果 } }; ``` 这段代码同样遵循了单次遍历的原则,并利用标准库函数简化了一些操作。 --- ### 小结 三种语言的核心思想一致,均采用了一种简单的线性扫描方式完成任务。这种方法不仅易于理解,而且性能优越,在实际应用中非常实用[^2]。 ---
评论
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