Leetcode300. 最长递增子序列

本文详细解析了LeetCode题目300寻找最长递增子序列的两种方法:动态规划和贪心算法配合二分查找。通过实例代码展示了如何利用dp数组进行状态转移和计算最长递增子序列长度,以及如何利用贪心策略简化问题并提高效率。

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

Leetcode300. 最长递增子序列

题目:
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。

示例 1:

输入:nums = [10,9,2,5,3,7,101,18]
输出:4
解释:最长递增子序列是 [2,3,7,101],因此长度为 4

示例 2:

输入:nums = [0,1,0,3,2,3]
输出:4

示例 3:

输入:nums = [7,7,7,7,7,7,7]
输出:1

题解:
方案一:动态规划
定义 dp[i]dp[i]dp[i] 为考虑前 iii 个元素,以第 iii个数字结尾的最长上升子序列的长度,注意 nums[i]nums[i]nums[i] 必须被选取。

我们从小到大计算dpdpdp 数组的值,在计算 dp[i]dp[i]dp[i] 之前,我们已经计算出 dp[0…i−1]dp[0…i−1]dp[0i1] 的值,则状态转移方程为:

dp[i]=max(dp[j])+1,其中0≤j<i且num[j]<num[i]dp[i]=max(dp[j])+1,其中0≤j<i且num[j]<num[i]dp[i]=max(dp[j])+1,其中0j<inum[j]<num[i]

即考虑往 dp[0…i−1]dp[0…i−1]dp[0i1] 中最长的上升子序列后面再加一个nums[i]nums[i]nums[i]。由于 dp[j]dp[j]dp[j] 代表 nums[0…j]nums[0…j]nums[0j] 中以nums[j]nums[j]nums[j] 结尾的最长上升子序列,所以如果能从 dp[j]dp[j]dp[j] 这个状态转移过来,那么nums[i]nums[i]nums[i] 必然要大于nums[j]nums[j]nums[j],才能将nums[i]nums[i]nums[i] 放在nums[j]nums[j]nums[j] 后面以形成更长的上升子序列。

最后,整个数组的最长上升子序列即所有 dp[i]dp[i]dp[i] 中的最大值。

LISlength=max⁡(dp[i]),其中 0≤i<n\text{LIS}_{\textit{length}}= \max(\textit{dp}[i]), \text{其中} \, 0\leq i < nLISlength=max(dp[i]),其中0i<n

方案二:贪心+二分法
[10, 9, 2, 5, 3, 7, 101, 4, 1]
在这里插入图片描述

java代码:

 /**
     * 动态规划
     * dp[i]=max(dp[j])+1,其中0≤j<i且num[j]<num[i]
     *
     * @param nums
     * @return
     */
    public static int lengthOfLIS(int[] nums) {
        if (nums == null || nums.length == 0) return 0;
        int len = nums.length;
        int[] dp = new int[len];
        int res = 0;
        for (int i = 1; i < len; i++) {
            dp[i] = 1;
            for (int j = 0; j < i; j++) {
                if (nums[j] < nums[i]) {
                    dp[i] = Math.max(dp[i], dp[j] + 1);
                }
            }
            res = Math.max(dp[i], res);
        }
        return res;
    }

    /**
     * 贪心+二分法
     *
     * @param nums
     * @return
     */
    public static int lengthOfLIS2(int[] nums) {
        int len = 1;
        int n = nums.length;
        if (n == 0) return 0;
        int[] d = new int[n + 1];
        d[len] = nums[0];

        for (int i = 1; i < n; i++) {
            if (nums[i] > d[len]) {
                len++;
                d[len] = nums[i];
            } else {
                int l = 1, r = len, pos = 0;
                while (l <= r) {
                    int mid = l + (r - l) / 2;
                    if (nums[i] > d[mid]) {
                        pos = mid;
                        l = mid + 1;
                    } else {
                        r = mid - 1;
                    }
                }
                d[pos + 1] = nums[i];
            }
        }
        return len;
    }
### 解题思路 LeetCode 第 674 题的目标是找到给定数组中的最长连续递增子序列长度。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