Blage's Coding Blage's Coding
Home
算法
  • 手写Spring
  • SSM
  • SpringBoot
  • JavaWeb
  • JAVA基础
  • 容器
  • Netty

    • IO模型
    • Netty初级
    • Netty原理
  • JVM
  • JUC
  • Redis基础
  • 源码分析
  • 实战应用
  • 单机缓存
  • MySQL

    • 基础部分
    • 实战与处理方案
    • 面试
  • ORM框架

    • Mybatis
    • Mybatis_Plus
  • SpringCloudAlibaba
  • MQ消息队列
  • Nginx
  • Elasticsearch
  • Gateway
  • Xxl-job
  • Feign
  • Eureka
  • 面试
  • 工具
  • 项目
  • 关于
🌏本站
🧸GitHub (opens new window)
Home
算法
  • 手写Spring
  • SSM
  • SpringBoot
  • JavaWeb
  • JAVA基础
  • 容器
  • Netty

    • IO模型
    • Netty初级
    • Netty原理
  • JVM
  • JUC
  • Redis基础
  • 源码分析
  • 实战应用
  • 单机缓存
  • MySQL

    • 基础部分
    • 实战与处理方案
    • 面试
  • ORM框架

    • Mybatis
    • Mybatis_Plus
  • SpringCloudAlibaba
  • MQ消息队列
  • Nginx
  • Elasticsearch
  • Gateway
  • Xxl-job
  • Feign
  • Eureka
  • 面试
  • 工具
  • 项目
  • 关于
🌏本站
🧸GitHub (opens new window)
  • 数组

  • 链表

  • 字符串

  • 二叉树

  • 动态规划

    • 5.最长回文子串
    • 72.编辑距离
    • 300.最长递增子序列
      • 1671. 得到山形数组的最少删除次数
        • 1、前后缀+最长递增子序列
    • 1143.最长公共子序列
    • 239.滑动窗口最大值
    • 64.最小路径和
    • 718.最长重复子数组
    • 221.最大正方形
    • 198.打家劫舍
    • 152.乘积最大子数组
    • 1079.活字印刷
    • 139. 单词拆分
    • 6394. 字符串中的额外字符
    • 10. 正则表达式匹配
    • 1130. 叶值的最小代价生成树
    • 96. 不同的二叉搜索树
    • 279. 完全平方数
    • 416. 分割等和子集
    • 309. 最佳买卖股票时机含冷冻期
    • 312. 戳气球
    • 53. 最大子数组和
    • 1262. 可被三整除的最大和
    • 1186. 删除一次得到子数组最大和
    • 6912. 构造最长非递减子数组
    • 1911. 最大子序列交替和
    • 834. 树中距离之和
    • 343. 整数拆分
    • 123. 买卖股票的最佳时机 III
    • 115. 不同的子序列
    • 516. 最长回文子序列
    • 132. 分割回文串 II
    • 673. 最长递增子序列的个数
    • 2930. 重新排列后包含指定子字符串的字符串数目
    • 2646. 最小化旅行的价格总和
    • 剑指offer42
    • 剑指offer60
    • 剑指 Offer 49. 丑数
    • 背包问题

  • 深搜回溯

  • 数学贪心

  • 堆栈队列

  • 前缀和

  • 算法设计

  • 位运算

  • WA

  • 算法
  • 动态规划
phan
2023-05-16
目录

300.最长递增子序列

# 300.最长递增子序列

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。

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 。

  1. 动规。从前往后遍历,dp[i]表示以nums[i]为最右端的最长子序列长度,遍历j从0到i-1更新dp[i]时,if(nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);这里要理解的是,更新dp[i]过程中要找的是最长子序列中nums[i]的前驱节点,然后判断以该前驱节点为右端点的长度加1是否比dp[i]大,而不是从头开始一个个找串起来,这样想的话就和动规没什么关系了。

    反过来也可以从后往前遍历,每次遍历找到比nums[i]大的nums[j],并判断nums[j]有没有资格作为nums[i]的直接后继。时间复杂度为O(n^2)

     for(int i=0;i<nums.length;i++)
     for(int j=0;j<=i-1;j++)
      {
          if(nums[j]<nums[i])
          {
              dp[i]=Math.max(dp[i],dp[j]+1);
              max=Math.max(max,dp[i]);
          }
      }
    
    1
    2
    3
    4
    5
    6
    7
    8
    9
  2. 贪心+二分法。算法非常巧妙比较难想。设置一个数组d[]保存序列和len标记最长序列长度。数组d[]的更新分两种情况:

    • 如果nums[i]大于d数组最大元素d[len],则令nums[i]插入d[len]后面一个位置。
    • 如果nums[i]小于d数组最大元素,则把nums[i]放入d数组中第一个比nums[i]大的元素的位置。

    首先d数组的保存的值一定是递增的,因为d数组的更新规则都没有破坏它的有序性,这点很重要,d数组有序才可以用二分法。而对于上面第二点,d数组保存的不一定是子序列。原因有两点,第一更新到d中并没有改变len值(不是插入),对结果没有影响。第二这样子做是能够考虑到1,100,20,30的情况,体现了贪心的思想,相同长度相同位置下把更小的数替换到d中。实际上,d[i]的含义是在整个nums数组中子序列长度为i时的最小末尾元素的值。

    第二个问题,d[len]存在为什么能保证一定存在长度为len的子序列,因为d[0]~ d[len-1]保存的并不一定是子序列。数组是前往后遍历的,因此赋值(插入)到d[len]位置的第一个元素(在刚赋值的那个时间点)在nums数组中一定是出现在d[0]~d[len-1]元素之前的,也就是说如果存在长度为len-1的子序列,那么这个第一个插入到len位置的元素d[len]就可以加入其中,插入到len-1子序列末尾,构成长度为len的子序列。根据数学归纳法就可以得出,len子序列是一定存在的。

    数组d更新时,遇到第二种情况,就可以用二分法找到替换位置。时间复杂度为O(nlogn)。

     public int lengthOfLIS(int[] nums) {
           int len=0;
           int[] d=new int[nums.length];
           d[0]=nums[0];
           for(int i=1;i<nums.length;i++)
           {
               if(nums[i]>d[len])
               {
                   len++;
                   d[len]=nums[i];
               }
               else
               {
                   int low=0,high=len;
                   while(low<high)
                   {
                       int mid=(low+high)/2;
                       if(d[mid]<nums[i])
                       low=mid+1;
                       else
                       high=mid;
                   }
                   d[low]=nums[i];
               }
           }
           return len+1;
       }
    
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27

# 1671. 得到山形数组的最少删除次数 (opens new window)

# 1、前后缀+最长递增子序列

计算以每个索引下标为山峰时,前后子数组的最少删除字数。而子数组的最少删除字数的求解过程即为“最长递增子序列”。

class Solution {
    public int minimumMountainRemovals(int[] nums) {
        int[] prefix = new int[nums.length];
        int[] suffix = new int[nums.length];
        for (int i = 0; i < nums.length; i++) {
            prefix[i] = 1;
            for (int j = 0; j < i; j++) {
                if(nums[i]>nums[j]) prefix[i] = Math.max(prefix[i], prefix[j] + 1);
            }
        }
        for (int i = nums.length - 1; i >= 0; i--) {
            suffix[i]=1;
            for (int j = nums.length - 1; j > i; j--) {
                if(nums[i]>nums[j]) suffix[i] = Math.max(suffix[i], suffix[j] + 1);
            }
        }
        int res = Integer.MAX_VALUE;
        for (int i = 0; i < nums.length; i++) {
            if(suffix[i]!=1&&prefix[i]!=1){
                res = Math.min(res, nums.length - (suffix[i] + prefix[i] - 1));
            }
            
        }
        return res;
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
编辑 (opens new window)
#Leetcode#动态规划
上次更新: 2024/01/04, 16:53:23
72.编辑距离
1143.最长公共子序列

← 72.编辑距离 1143.最长公共子序列→

Theme by Vdoing | Copyright © 2023-2024 blageCoder
  • 跟随系统
  • 浅色模式
  • 深色模式
  • 阅读模式