Leetcode300. 最长递增子序列

news2024/12/26 4:35:24

Every day a Leetcode

题目来源：300. 最长递增子序列

解法1：递归

枚举 nums[i] 作为最长递增子序列的末尾元素，那么需要枚举 nums[j] 作为最长递增子序列的倒数第二个元素，其中 j<i 并且 nums[j]<nums[i]。

问题转化为更小的子问题：求以 nums[j] 为末尾的最长递增子序列，可以用递归来求解

代码：

// 递归

class Solution
{
public:
    int lengthOfLIS(vector<int> &nums)
    {
        // 特判
        if (nums.size() == 1)
            return 1;

        int n = nums.size();

        function<int(int)> dfs = [&](int i)
        {
            int res = 0;
            for (int j = 0; j < i; j++)
                if (nums[j] < nums[i])
                    res = max(res, dfs(j));
            return res + 1;
        };

        int ans = 0;
        for (int i = 0; i < n; i++)
            ans = max(ans, dfs(i));
        return ans;
    }
};

结果：

在这里插入图片描述

复杂度分析：

时间复杂度：O(n²)，其中 n 是数组 nums 的元素个数。

空间复杂度：O(n)，其中 n 是数组 nums 的元素个数。

解法2：动态规划

将

代码：

// 动态规划

class Solution
{
public:
    int lengthOfLIS(vector<int> &nums)
    {
        // 特判
        if (nums.size() == 1)
            return 1;

        int n = nums.size(), maxLength = 0;
        // 状态数组，并初始化
        vector<int> dp(n, 1);
        // 状态转移
        for (int i = 0; i < n; i++)
            for (int j = 0; j < i; j++)
            {
                if (nums[j] < nums[i])
                    dp[i] = max(dp[i], dp[j] + 1); // 状态转移方程
                maxLength = max(maxLength, dp[i]);
            }
        return maxLength;
    }
};

结果：

在这里插入图片描述

复杂度分析：

时间复杂度：O(n²)，其中 n 是数组 nums 的元素个数。

空间复杂度：O(n)，其中 n 是数组 nums 的元素个数。

解法3：贪心 + 二分查找

遍历数组 nums：

在这里插入图片描述

最后 g 就是最长递增子序列。

在这里插入图片描述

对应到代码上，就是把 lower_bound 改成 upper_bound。

代码：

// 贪心 + 二分查找

class Solution
{
public:
    int lengthOfLIS(vector<int> &nums)
    {
        // 特判
        if (nums.size() == 1)
            return 1;

        int n = nums.size();
        vector<int> g;
        for (int i = 0; i < n; i++)
        {
            int j = lower_bound(g.begin(), g.end(), nums[i]) - g.begin();
            if (j == g.size())
                g.push_back(nums[i]);
            else
                g[j] = nums[i];
        }
        return g.size();
    }
};