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4。因为可能会有超过一种的最长上升子序列的组合,因此你只需要输出对应的长度即可。

解题思路

用动态规划思想,考虑用一个数组dp记录到当前数字为止,可能的最长上升子序列长度,注意并不一定是当前子序列的解。这样最后返回dp数组的长度即可。具体以上述数组为例:

  • 首先把10加入到dp中,此时最长上升子序列长度为1
  • 下一个数字是9,它比dp中仅有的数字10要小,可知以9为子序列首数字的可能长度要比10长,因此用9替换10
  • 同样把2替换dp中仅有的数字9
  • 加入5时,因为5比2大,所以可以组成最长上升子序列,因此把5加入到2之后
  • 当前数字3比dp中第二个数字5要小,考虑到之后可能出现的上升序列可能小于5,因此用3替换5
  • 加入7时,因为7比dp中最后一个数字3大,所以可以组成最长上升子序列,因此把7加入到3之后
  • 同样加入101到dp
  • 加入18时,按上述规则用18替换101,最后dp数组为[2,3,7,18],因此最长上升子序列长度为4

通过以上顺序,可以总结出dp数组变化规则:

  • 若当前数字大于dp中最后一个数字,则直接插入到最后
  • 找到dp数组中第一个大于当前数字的数,并替换为当前数字
  • 遍历完数组后,dp数组的大小即为最长上升子序列的长度

其中查找dp数组中第一个大于当前数字的数时,可用二分查找降低时间复杂度,这样此解法的总时间复杂度为Ο(nlogn)

代码

 class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int l=nums.size();
vector<int> dp;
if(l==)
return ;
dp.push_back(nums[]);
for(int i=;i<l;i++){
biReplace(dp,nums[i]);
}
return dp.size();
}
void biReplace(vector<int>& dp, int x){
int f=,l=dp.size()-;
if(x>dp[l]){
dp.push_back(x);
return;
}
int m=(f+l)/;
while(dp[m]!=x){
if(dp[m]>x)
l=m-;
else f=m+;
if(f>l){
m=f;
break;
}
m=(f+l)/;
}
dp[m]=x;
}
};
上一篇:关于表单的jQuery练习


下一篇:bzoj4008: [HNOI2015]亚瑟王【期望dp】