最長連續遞增序列
題目
給定一個未經排序的整數數組,找到最長且 連續遞增的子序列,并傳回該序列的長度。
連續遞增的子序列 可以由兩個下标 l 和 r(l < r)确定,如果對于每個 l <= i < r,都有 nums[i] < nums[i + 1] ,那麼子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是連續遞增子序列。
示例1:
輸入:nums = [1,3,5,4,7] 輸出:3 解釋:最長連續遞增序列是 [1,3,5], 長度為3。 盡管 [1,3,5,7] 也是升序的子序列, 但它不是連續的,因為 5 和 7 在原數組裡被 4 隔開。
示例2:
輸入:nums = [2,2,2,2,2] 輸出:1 解釋:最長連續遞增序列是 [2], 長度為1。
提示:
- 0 <= nums.length <= 10^4
- -10^9 <= nums[i] <= 10^9
解題思路
根據題意,本題可用動态規劃的方式來求解。
第一步,确定dp數組以及下标的含義:
dp[i]:以下标i為結尾的數組的連續遞增的子序列長度為dp[i]。
第二步,确定遞推公式:
如果 nums[i + 1] > nums[i],那麼以 i+1 為結尾的數組的連續遞增的子序列長度一定等于 以 i 為結尾的數組的連續遞增的子序列長度 + 1 。是以可以得出遞推公式為:dp[i + 1] = dp[i] + 1;
第三步,dp 數組初始化:
連續遞增的子序列長度最少是 1, 是以 dp 數組應該初始化為 1。
第四步,确定周遊順序:
從遞推公式上可以看出, dp[i + 1]依賴dp[i],是以一定是從前向後周遊。
代碼實作
class Solution {
public int findLengthOfLCIS(int[] nums) {
if(nums.length == 0){
return 0;
};
int count = 1;
int len = nums.length;
int[] dp = new int[len];
for(int i = 0; i < len; i++){
dp[i] = 1;
}
for(int i = 0; i < len - 1; i++){
if(nums[i+1] > nums[i]){
dp[i+1] = dp[i] + 1;
}
if(dp[i+1] > count) count = dp[i+1];
}
return
時間複雜度
- 時間複雜度:O(n),其中 n 是數組 nums 的長度。
- 空間複雜度:O(1)。
最長遞增子序列
題目
給你一個整數數組 nums ,找到其中最長嚴格遞增子序列的長度。
子序列是由數組派生而來的序列,删除(或不删除)數組中的元素而不改變其餘元素的順序。例如,[3,6,2,7] 是數組 [0,3,1,6,2,2,7] 的子序列。
示例1:
輸入:nums = [10,9,2,5,3,7,101,18] 輸出:4 解釋:最長遞增子序列是 [2,3,7,101],是以長度為 4 。
示例2:
輸入:nums = [0,1,0,3,2,3] 輸出:4
示例3:
輸入:nums = [7,7,7,7,7,7,7] 輸出:1
提示:
- 1 <= nums.length <= 2500
- -10^4 <= nums[i] <= 104
解題思路
根據題意,此題可以用動态規劃的方式來求解。
第一步,确定 dp 數組以及下标的含義:
dp[i] 表示 i 之前包括 i 的以 nums[i] 結尾最長上升子序列的長度。
第二步,确定遞推公式:
位置i的最長升序子序列等于 j 從 0 到 i-1 各個位置的最長升序子序列 + 1 的最大值。遞推公式為:if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);
第三步,初始化:
dp[i] 的起始大小是 1。
第四步,确定周遊順序:
dp[i] 是有0到i-1各個位置的最長升序子序列推導而來,那麼周遊i一定是從前向後周遊。j其實就是0到i-1,周遊i的循環在外層,周遊j則在内層。
代碼實作
class Solution {
public int lengthOfLIS(int[] nums) {
if(nums.length == 0){
return 0;
}
int[] dp = new int[nums.length];
int res = 0;
Arrays.fill(dp, 1);
for (int i = 0; i < nums.length; i++) {
for (int j = 0; j < i; j++) {
if (nums[j] < nums[i]) dp[i] = Math.max(dp[i], dp[j] + 1);
}
res = Math.max(res, dp[i]);
}
return
時間複雜度
- 時間複雜度:O(n^2),其中 n 為數組 nums 的長度.
- 空間複雜度:O(n).
- 閱讀完記得給我點個贊哦,有👍 有動力
- 關注公衆号---HelloWorld傑少,第一時間推送新姿勢