[LeetCode]300. Longest Increasing Subsequence

本文介绍了解决最长递增子序列问题的两种方法。一种是时间复杂度为O(nLogn)的最优解,利用二分查找进行动态规划;另一种是时间复杂度为O(n^2)的传统动态规划方法。文章提供了详细的算法实现代码。

https://leetcode.com/problems/longest-increasing-subsequence/

最长递增子序列



本题两解:



解法一(最优解):

时间复杂度O(nLogn)。DP,dp[i]保存的是长度为i的所有递增子数组里面结尾数字最小的一个数的值。因此外层每次遍历到nums[i]的时候,只要二分查找DP即可找到要插入的位置。同时维护一个最大递增子数组长度len,当当前要插入的位置为len时,len++。

public class Solution {
    public int lengthOfLIS(int[] nums) {
        int[] dp = new int[nums.length];
        int len = 0;
        for (int n : nums) {
            int i = Arrays.binarySearch(dp, 0, len, n);
            if (i < 0) {
                i = -(i + 1);
            }
            dp[i] = n;
            if (i == len) {
                len++;
            }
        }
        return len;
    }
}



解法二:

时间复杂度O(n2)。DP,dp[i]保存以nums[i]为结尾的递增数组的最大长度,两层遍历,内层j遍历0 ~ i - 1,如果找到所有nums[j] < nums[i]里面dp[j]最大的,则dp[i]为该数加一。

public class Solution {
    public int lengthOfLIS(int[] nums) {
        if (nums == null || nums.length == 0) {
            return 0;
        }
        int res = 1;
        int[] dp = new int[nums.length];
        dp[0] = 1;
        for (int i = 1; i < nums.length; i++) {
            int max = 0;
            for (int j = 0; j < i; j++) {
                if (nums[j] < nums[i]) {
                    max = Math.max(dp[j], max);
                }
            }
            dp[i] = max + 1;
            res = Math.max(res, dp[i]);
        }
        return res;
    }
}


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