力扣--动态规划300.最长递增子序列

这篇具有很好参考价值的文章主要介绍了力扣--动态规划300.最长递增子序列。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

力扣--动态规划300.最长递增子序列,leetcode,动态规划,算法,c语言,学习,c++

一开始想到的方法非常低效,但好理解。
 

思路分析:

  1. 使用二维数组dp来记录递增子序列的长度信息,其中dp[i][0]表示以nums[i]结尾的最长递增子序列的长度,dp[i][1]表示包含nums[i]的最长递增子序列的长度。

  2. 初始化dp数组,将以第一个元素结尾的递增子序列长度置为0。

  3. 使用两层循环遍历数组,比较当前元素与前面元素的大小关系,更新dp数组的值。

  4. 最终返回最后一个元素的两种状态中的最大值,即为整个数组的最长递增子序列的长度。

这种动态规划算法的时间复杂度为O(n^2),其中n为数组的长度。

class Solution {
public:
    // 函数用于计算最长递增子序列的长度
    int lengthOfLIS(vector<int>& nums) {
        // dp[i][0]表示以nums[i]结尾的最长递增子序列的长度
        // dp[i][1]表示包含nums[i]的最长递增子序列的长度
        vector<vector<int>> dp(nums.size(), vector<int>(2, 1));
        
        // 初始化dp数组,将以第一个元素结尾的递增子序列长度置为0
        dp[0][0] = 0;

        // 遍历数组,计算dp数组的值
        for (int i = 1; i < nums.size(); i++) {
            for (int j = i - 1; j >= 0; j--) {
                // 如果当前元素大于前面的某个元素,更新包含当前元素的递增子序列的长度
                if (nums[i] > nums[j]) {
                    dp[i][1] = max(dp[i][1], dp[j][1] + 1);
                }
                // 更新以当前元素结尾的递增子序列的长度
                dp[i][0] = max(dp[i][0], max(dp[j][1], dp[j][0]));
            }
        }

        // 返回最终结果,取最后一个元素的两种状态中的最大值
        return max(dp[nums.size() - 1][0], dp[nums.size() - 1][1]);
    }
};

但还有种既节省空间也节省时间的方法。

思路分析:

  1. 初始化dp数组,其中dp[i]表示以第i个元素结尾的最长递增子序列的长度,初始值为1。

  2. 使用两层循环遍历数组,对于每个元素,查找在其之前的元素中比它小的元素,更新以当前元素结尾的最长递增子序列的长度。

  3. 在内循环中,通过比较当前元素与之前元素的大小关系,更新dp数组的值。

  4. 同时,记录整个数组的最长递增子序列的长度,即取dp数组中的最大值。

  5. 最终返回整个数组的最长递增子序列的长度。

这种算法的时间复杂度为O(n^2),其中n为数组的长度。文章来源地址https://www.toymoban.com/news/detail-819627.html

class Solution {
public:
    // 函数用于计算最长递增子序列的长度
    int lengthOfLIS(vector<int>& nums) {
        // 如果数组长度小于等于1,直接返回数组长度
        if (nums.size() <= 1) return nums.size();
        
        // dp数组用于记录以每个元素结尾的最长递增子序列的长度
        vector<int> dp(nums.size(), 1);
        
        // result用于记录整个数组的最长递增子序列的长度
        int result = 0;
        
        // 遍历数组
        for (int i = 1; i < nums.size(); i++) {
            // 在当前元素之前的元素中查找比当前元素小的元素
            for (int j = 0; j < i; j++) {
                // 如果找到比当前元素小的元素,更新以当前元素结尾的最长递增子序列的长度
                if (nums[i] > nums[j]) {
                    dp[i] = max(dp[i], dp[j] + 1);
                }
            }
            
            // 更新整个数组的最长递增子序列的长度
            if (dp[i] > result) {
                result = dp[i];
            }
        }
        
        // 返回最终结果,即整个数组的最长递增子序列的长度
        return result;
    }
};

到了这里,关于力扣--动态规划300.最长递增子序列的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 力扣300. 最长递增子序列

    思路: 假设 dp[i] 为前 i 个元素构成的最长递增子序列的个数,包含 nums[i]; 则 dp[i] 构成序列上一个元素 nums[j] 构成最长递增子序列 dp[j],则 dp[i] = dp[j] + 1; 如果动态取 j ∈ [0, i - 1],则选取其中最长递增子序列值中最大的,其值 + 1 来更新 dp[i] 的值;

    2024年02月04日
    浏览(41)
  • 最长递增子序列——力扣300

    2024年02月12日
    浏览(34)
  • 【LeetCode动态规划#14】子序列系列题(最长递增子序列、最长连续递增序列、最长重复子数组、最长公共子序列)

    力扣题目链接(opens new window) 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。 示例 1: 输入:nums = [10,9,2,5,3,7,101,18] 输出

    2024年02月01日
    浏览(56)
  • 【LeetCode: 673. 最长递增子序列的个数 | 动态规划】

    🚀 算法题 🚀 🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀 🌲 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨ 🌲 作者简介:硕风和炜,CSDN-Java领域新星创作者🏆,保研|国家奖学金|高中学习JAVA|大学完善JAVA开发技术栈|面试刷题|面经八股文

    2024年02月03日
    浏览(64)
  • 动态规划算法 | 最长递增子序列

    通过查阅相关资料 发现动态规划问题一般就是求解最值问题 。这种方法在解决一些问题时应用比较多,比如求最长递增子序列等。 有部分人认为动态规划的核心就是:穷举。因为要求最值,肯定要把所有可行的答案穷举出来,然后在其中找最值。 首先,笔者认为动态规划中

    2024年02月06日
    浏览(54)
  • Leetcode:300. 最长递增子序列、674. 最长连续递增序列(C++)

    目录 300. 最长递增子序列 题目描述: 实现代码: 原理思路: 674. 最长连续递增序列 题目描述: 实现代码: 原理思路: 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

    2024年02月11日
    浏览(57)
  • ( 动态规划) 674. 最长连续递增序列 / 718. 最长重复子数组——【Leetcode每日一题】

    难度:简单 给定一个未经排序的整数数组,找到最长且 连续递增的子序列 ,并返回该序列的长度。 连续递增的子序列 可以由两个下标 l 和 r(l r) 确定,如果对于每个 l = i r ,都有 nums[i] nums[i + 1] ,那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是连续递增子序列。

    2024年02月05日
    浏览(52)
  • leetcode300. 最长递增子序列 子序列(不连续)

    https://leetcode.cn/problems/longest-increasing-subsequence/ 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。 LIS即最长上升子序列,指

    2024年02月14日
    浏览(43)
  • 算法与数据结构(二十三)动态规划设计:最长递增子序列

    注:此文只在个人总结 labuladong 动态规划框架,仅限于学习交流,版权归原作者所有; 也许有读者看了前文 动态规划详解,学会了动态规划的套路:找到了问题的「状态」,明确了 dp 数组/函数的含义,定义了 base case;但是不知道如何确定「选择」,也就是找不到状态转移

    2024年02月13日
    浏览(43)
  • 【算法】力扣【动态规划,LCS】1143. 最长公共子序列

    1143. 最长公共子序列 本文是对 LCS 这一 动态规划 模型的整理,以力扣平台上的算法题1143:最长公共子序列为模板题进行解析。 该题目要求计算两个字符串的最长公共子序列(Longest Common Subsequence,简称LCS)的长度。字符串的子序列是指在不改变字符顺序的情况下,通过删去

    2024年01月17日
    浏览(61)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包