🌈🌈😄😄
欢迎来到茶色岛独家岛屿,本期将为大家揭晓LeetCode 300. 最长递增子序列,做好准备了么,那么开始吧。
🌲🌲🐴🐴
一、题目名称
LeetCode 300. 最长递增子序列
二、题目要求
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。
三、相应举例
示例 1:
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 。
示例 2:
输入:nums = [0,1,0,3,2,3]
输出:4
示例 3:
输入:nums = [7,7,7,7,7,7,7]
输出:1
四、限制要求
1 <= nums.length <= 2500
-104 <= nums[i] <= 104
五、解决办法
动态规划
创建一个数组dp,初始化为1。使用两重循环,第一重循环遍历nums数组,当作右指针,第二重循环遍历之前的数,当作左指针,判断当前数是否大于之前的数。如果是,更新dp[j]的值为dp[i]+1。
这里要注意dp数组中当前所求值要取前面遍历过的最大值,比如
int nums[]={0,1,0,3,2,3};
在dp索引到达3时,前方要取0->1->3而不是单纯的更新dp[j]的值为dp[i]+1,所以代码为
dp[j] = Math.max(dp[i] + 1,dp[j]);
更新maxans的值为dp[j]的最大值。最后返回maxans。
六、代码实现
class Solution {
public static int lengthOfLIS(int[] nums) {
if (nums.length == 0) {
return 0;
}
int[] dp = new int[nums.length];
dp[0] = 1;
int maxans = 1;
for (int j = 1; j < nums.length; j++) {
dp[j] = 1;
for (int i = 0; i < j; i++) {
if (nums[i] < nums[j]) {
dp[j] = Math.max(dp[i] + 1,dp[j]);
}
}
maxans = Math.max(maxans, dp[j]);
}
return maxans;
}
}
复杂度分析
时间复杂度:O(n^2) ,其中 n 为数组 nums 的长度。动态规划的状态数为 n,计算状态 dp[i] 时,需要O(n) 的时间遍历 dp[0…i−1] 的所有状态,所以总时间复杂度为 O(n 2)。
空间复杂度:O(n),需要额外使用长度为 n 的 dp 数组。