300. 最長遞增子序列
1. 題目
給你一個整數陣列 nums ,找到其中最長嚴格遞增子序列的長度。
子序列是由陣列派生而來的序列,刪除(或不刪除)陣列中的元素而不改變其餘元素的順序。例如,[3,6,2,7] 是陣列 [0,3,1,6,2,2,7] 的子序列。
2. 示例
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],因此長度為 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
3. 題解
2種解題思路:動態規劃、二分搜尋
3.1 動態規劃
動態規劃的核心思想是數學歸納法
設計動態規劃,首先需要一個dp陣列,假設dp[0....i - 1]都已經算出來了,然後問自己,怎麼通過這些結果算出dp[i]?
dp[i]表示以nums[i]這個數結尾的最長遞增子序列的長度。那麼以nums[i]結尾的最長遞增子序列起碼要包含它自己,即要找到前面序列結尾比nums[i]小的子序列,然後把nums[i]拼接上去,就形成了以nums[i]結尾的新的子序列,並在前面子序列的基礎上加1。
for j in range(0, i): if nums[i] > nums[j]: dp[i] = max(dp[i], dp[j] + 1)
最長子序列,只需要對dp陣列遍歷一次,取最大值即可。
for i in range(n):
res = max(res, dp[i])
3.2 二分搜尋
二分搜尋相對來說,難度大一些。以陣列[10,9,2,5,3,7,101,18]為例,對其分堆。
首先10,對於第一個元素,單獨為堆,此時堆數res = 1;
元素9,從0堆開始找,9小於10,放入0堆,res=1;
元素2,從0堆開始找,2小於9,放入0堆,res=1;
元素5,從0堆開始找,5大於2,此時只有堆0,那麼需要再次建立一個堆來存放,res+=1,res=2;
元素3,從0堆開始找,3大於2,再找第1堆,3小於5,放入,res=2;
元素7,7大於2,7大於3,建立新堆,第2堆堆頂元素為7,res=3;
元素101,大於0,1,2堆頂元素,建立新堆,res=4;
元素18,大於0,1,2堆頂元素,放入第3堆,res=4;
輸出結果:4(堆的個數就是最長子序列的長度,因為在後面堆裡面一定能找到小於等於前面元素)。
4. Code實現
4.1 動態規劃
1 class Solution:
2 # 動態規劃
3 def lengthOfLIS(self, nums: List[int]) -> int:
4 if len(nums) <= 1:
5 return len(nums)
6 n = len(nums)
7 dp, res = [1 for _ in range(n)], 0
8 for i in range(n):
9 for j in range(0, i):
10 if nums[i] > nums[j]:
11 dp[i] = max(dp[i], dp[j] + 1)
12 res = max(res, dp[i])
13 return res
4.2 二分搜尋
1 class Solution:
2 # 二分搜尋
3 def lengthOfLISB(self, nums: List[int]) -> int:
4 n = len(nums)
5 if n < 2:
6 return n
7 top = [0 for _ in range(n)]
8 # 堆數
9 res = 0
10 for i in range(n):
11 # 要處理的牌
12 cur = nums[i]
13 # 搜尋左邊界的二分搜尋
14 left, right = 0, res
15 while left < right:
16 mid = (left + right) // 2
17 if top[mid] > cur:
18 right = mid
19 elif top[mid] < cur:
20 left = mid + 1
21 else:
22 right = mid
23 # 沒找到合適的堆,新建一堆
24 if left == res:
25 res += 1
26 top[left] = cur
27 return res
5. 結語
努力去愛周圍的每一個人,付出,不一定有收穫,但是不付出就一定沒有收穫! 給街頭賣藝的人零錢,不和深夜還在擺攤的小販討價還價。願我的部落格對你有所幫助(*^▽^*)(*^▽^*)!
如果客官喜歡小生的園子,記得關注小生喲,小生會持續更新(#^.^#)(#^.^#)。
但行好事 莫問前程