动态规划(八):子序列系列

本文详细探讨了动态规划在解决子序列问题中的应用,包括最长递增子序列(非连续和连续)、最长重复子数组(连续和不连续)以及最大子序列和。每个问题都阐述了dp数组的定义、递推公式、初始化、遍历顺序及返回值,并提供了相应的代码实现。总结中强调了二维dp数组在处理涉及两个数组的重复子数组问题中的重要性。

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

一、最长递增子序列(非连续)

300. 最长递增子序列
给你一个整数数组 nums ,找到其中最长严格递增子序列的长度。

子序列是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其余元素的顺序。例如,[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

1、dp数组

dp[i]为以元素nums[i]结尾的最长递增子序列。

2、递推公式

位置i的最长升序子序列等于j从0到i-1各个位置的最长升序子序列 + 1 的最大值。

            for(int j = i - 1; j >= 0; j--){
   
                if(nums[i] > nums[j]){
   
                    dp[i] = max(dp[i], dp[j] + 1);  //找到i前面最长的子序列
                }

3、初始化

每一个i,对应的dp[i](即最长上升子序列)起始大小至少都是是1.

4、遍历顺序

从前到后

5、返回值

dp[i]记录的仅仅是以nums[i]结尾的子序列的最大值,但并不知道这些序列中到底哪个最大,因此需要比较全部的dp[i],返回其中最大的

代码实现

class Solution {
   
public:
    int lengthOfLIS(vector<int>& nums) {
   
        if(nums.size() <= 1) return nums.size();  //特殊处理

        vector<int> dp(nums.size(), 1);  //dp数组初始化为1,
        
        int maxLen = 0;

        for(int i = 1; i < nums.size(); i++){
   
            for(int j = i - 1; j >= 0; j--){
   
                if(nums[i] > nums[j]){
   
                    dp[i] = max(dp[i], dp[j] + 1);
                }
            }
            maxLen = max(maxLen, dp[i]);  //选取最大的dp[i]返回
        }

        return maxLen;
    }
};

二、最长连续递增子序列(连续)

674. 最长连续递增序列
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。

评论 1
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