算法新手,刷力扣遇到这题,搞了半天终于搞懂了,来这记录一下,欢迎大家交流指点。

题目描述:

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。

解法一:暴力递归

  不解释,先暴力搞一下。(时间复杂度O(n^3),不行)

 1 class Solution {
2 public:
3 int l(vector<int>& nums) { // 返回以nums[0]开头的最长递增序列长度
4 if (nums.size() < 2)
5 return nums.size();
6 int max_len = 1;
7 for (int i = 1; i < nums.size(); ++ i)
8 if (nums[i] > nums[0]) {
9 vector<int> t{nums.begin() + i, nums.end()};
10 max_len = max(max_len, l(t) + 1);
11 }
12 return max_len;
13 }
14 int lengthOfLIS(vector<int>& nums) { // 所有序列遍历一遍
15 int max_len = 1;
16 for (i = 0; i < nums.size(); ++ i) {
17 vector<int> t(nums.begin() + i, nums.end());
18 max_len = max(max_len, l(t));
19 }
20 return max_len;
21 }
22 };

  小优化一下,记忆化搜索。(还是不行,时间复杂度还是太高)

 1 class Solution {
2 public:
3 int l(unordered_map<int, int>& map, vector<int>& nums) {
4 if (nums.size() < 2)
5 return nums.size();
6 if (map.find(nums[0]) != map.end()) // 如果已经知道了以某个数开头的元素的最长序列数,直接返回
7 return map[nums[0]];
8 int max_len = 1;
9 for (int i = 1; i < nums.size(); ++ i)
10 if (nums[i] > nums[0]) {
11 vector<int> t{nums.begin() + i, nums.end()};
12 max_len = max(max_len, l(map, t) + 1);
13 }
14 map[nums[0]] = max_len; // 记录以某个数开头的最长递增序列长度
15 return max_len;
16 }
17 int lengthOfLIS(vector<int>& nums) {
18 int max_len = 1;
19 unordered_map<int, int> map; // 哈希表,<开头的数,最长递归序列长度>
20 for (int i = 0; i < nums.size(); ++ i) {
21 vector<int> t(nums.begin() + i, nums.end());
22 max_len = max(max_len, l(map, t));
23 }
24 return max_len;
25 }
26 };

解法二:动态规划

  看来暴力是不行滴,还得动态规划。(时间复杂度O(n^2),AC了)

 1 class Solution {
2 public:
3 int lengthOfLIS(vector<int>& nums) {
4 vector<int> dp(nums.size(), 0); // 记录以nums[i]为结尾的最长递增子序列长度
5 for (int i = 1; i < nums.size(); ++ i)
6 for (int j = 0; j < i; ++ j) // 找一个最长的递增序列,接到它后面
7 if (nums[j] < nums[i])
8 dp[i] = max(dp[i], dp[j] + 1);
9 return *max_element(dp.begin(), dp.end()) + 1;
10 }
11 };

解法三:动态规划 + 二分查找

  动态规划方法是可行的,但是O(n^2)的时间复杂度还是较高,使用二分查找方法可以进一步优化。(时间复杂度O(nlogn),大提升)

 1 class Solution {
2 public:
3 int lengthOfLIS(vector<int>& nums) {
4 vector<int> dp(1, *nums.begin()); // 维护一个数组,用来存放最长的递增子序列
5 int left = 0, right = 0, mid = 0;
6 for (int i = 1; i < nums.size(); ++ i) { // 遍历一遍nums寻找每个元素在最长子序列中的插入位置
7 if (nums[i] > *(dp.end() - 1)) { // 如果当前元素比序列中所有元素都大,直接插到末尾
8 dp.push_back(nums[i]);
9 continue;
10 }
11 left = -1;              // 否则的话,替换掉序列中第一个大于等于它的元素,这样可以保证得到最长的递增序列
12 right = dp.size();
13 while (left + 1 != right) {
14 mid = (left + right) / 2;
15 if (dp[mid] >= nums[i])
16 right = mid;
17 else
18 left = mid;
19 }
20 dp[right] = nums[i];
21 }
22 return dp.size();
23 }
24 };

【LeetCode】300.最长递增子序列——暴力递归(O(n^3)),动态规划(O(n^2)),动态规划+二分法(O(nlogn))的更多相关文章

  1. Leetcode 673.最长递增子序列的个数

    最长递增子序列的个数 给定一个未排序的整数数组,找到最长递增子序列的个数. 示例 1: 输入: [1,3,5,4,7] 输出: 2 解释: 有两个最长递增子序列,分别是 [1, 3, 4, 7] 和[ ...

  2. Leetcode 300.最长上升子序列

    最长上升子序列 给定一个无序的整数数组,找到其中最长上升子序列的长度. 示例: 输入: [10,9,2,5,3,7,101,18] 输出: 4 解释: 最长的上升子序列是 [2,3,7,101],它的 ...

  3. [LeetCode] 300. 最长上升子序列 ☆☆☆(动态规划 二分)

    https://leetcode-cn.com/problems/longest-increasing-subsequence/solution/dong-tai-gui-hua-she-ji-fan ...

  4. Java实现 LeetCode 673 最长递增子序列的个数(递推)

    673. 最长递增子序列的个数 给定一个未排序的整数数组,找到最长递增子序列的个数. 示例 1: 输入: [1,3,5,4,7] 输出: 2 解释: 有两个最长递增子序列,分别是 [1, 3, 4, ...

  5. Java实现 LeetCode 300 最长上升子序列

    300. 最长上升子序列 给定一个无序的整数数组,找到其中最长上升子序列的长度. 示例: 输入: [10,9,2,5,3,7,101,18] 输出: 4 解释: 最长的上升子序列是 [2,3,7,10 ...

  6. leetcode 300最长上升子序列

    用递归DFS遍历所有组合肯定积分会超时,原因是有很多重复的操作,可以想象每次回溯后肯定会有重复操作.所以改用动态规划.建立一个vector<int>memo,初始化为1,memo[i]表示 ...

  7. Leetcode——300. 最长上升子序列

    题目描述:题目链接 给定一个无序的整数数组,找到其中最长上升子序列的长度. 示例: 输入: [10,9,2,5,3,7,101,18] 输出: 4 解释: 最长的上升子序列是 [2,3,7,101], ...

  8. LeetCode 300. 最长上升子序列(Longest Increasing Subsequence)

    题目描述 给出一个无序的整形数组,找到最长上升子序列的长度. 例如, 给出 [10, 9, 2, 5, 3, 7, 101, 18], 最长的上升子序列是 [2, 3, 7, 101],因此它的长度是 ...

  9. LeetCode 300——最长上升子序列

    1. 题目 2. 解答 2.1. 动态规划 我们定义状态 state[i] 表示以 nums[i] 为结尾元素的最长上升子序列的长度,那么状态转移方程为: \[state[i] = max(state ...

随机推荐

  1. Qt中子窗口关闭之后,立即释放资源的方法

    用Qt做界面的时候,很多时候都会遇见点击一个按钮弹出一个新的窗口的功能.我在刚开始做这个功能的时候,直接是点击一次按钮就new一个新的窗口,每次都只是将子窗口关闭而已,并没有去释放子窗口的资源,这样就 ...

  2. udphdr结构

    udphdr结构包含在/usr/src/linux/include/linux/udp.h 1 struct udphdr { 2 __u16 source; 3 __u16 dest; 4 __u1 ...

  3. Struts中整合的强大Ognl学习(一)

    测试使用了一个JavaBean的User,User中的Address单独封装再形成了一个JavaBean: 为了测试静态方法和静态变量调用,写了一个Util方法: 因为测试Ognl功能过多所以直接使用 ...

  4. 配置双jdk

    1 CLASSPATH:.%JAVA_HOME%\lib;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar 2 JAVA_HOME:%JAVA_HOME ...

  5. Django——Ajax发送请求验证用户名是否被注册

    场景: 用户注册的时候,输入用户名之后,Ajax发送请求到后端,后端验证该用户名是否已经被注册,然后返回到注册页面提示用户. 1.模型: from django.db import models cl ...

  6. 【SpringMVC】完全注解配置SpringMVC

    创建初始化类,代替web.xml 在Servlet3.0环境中,容器会在类路径中查找实现javax.servlet.ServletContainerInitializer接口的类,如果找到的话就用它来 ...

  7. 通过cglab 实现 Spring AOP

    1新建一个目标类 public class StudentService { public void delete(){ System.out.println("删除学生"); } ...

  8. WebDriverAgent重签名爬坑记

    接上一篇博文,已经配置好了Xcode环境,那接下来要完成的就是重签名WebDriverAgent.在讲重签名之前,我们还是先来了解下WebDriverAgent,熟悉的朋友,可以直接跳过. WebDr ...

  9. FlinkCDC 2.0使用实践体验

    一.背景说明 所谓CDC:全称是 Change Data Capture ,在广义的概念上,只要能捕获数据变更的技术,我们都可以称为 CDC .通常我们说的 CDC 技术主要面向数据库的变更,是一种用 ...

  10. ajax获取图片

    <img id="contents2_img" alt="" src="images/hope.png" style="wi ...