目录
300.最长递增子序列
思路
1、dp[i]的定义
2、递推公式
3、dp数组初始化
4、确定遍历顺序
5、推导dp数组
最长递增子序列
674. 最长连续递增序列
思路
最长连续递增序列
动态规划
贪心算法
718. 最长重复子数组
思路
1、确定dp数组的含义
2、确定递推公式
3、dp数组初始化
4、遍历顺序
最长重复子数组
二维dp数组
一维dp数组
300.最长递增子序列
题目链接:力扣
思路
根据动态规划五部曲来对本题目进行分析
1、dp[i]的定义
dp[i] 表示 i 之前(包括i)的以nums[i] 结尾的 最长递增子序列的长度
目前来看,dp数组的定义都是按要求的结果来
2、递推公式
既然求得是递增得子序列,每一个元素下面代表的是自己目前代表的最大递增长度
位置i的最长升序子序列等于j从0到i-1各个位置的最长升序子序列 + 1 的最大值
从前向后进行遍历,遍历到当前元素,跟前面的每一个元素进行比较,如果比之前的某个元素大,那就说明以这个元素结尾的字符串递增子序列长度还能再 +1,所以可以得出递推公式:dp[i] = dp[j] + 1
要从其中找出最长的一个子序列,所以:dp[ i ] = max(dp[ i ], dp[ j ] + 1)
3、dp数组初始化
对于每一个 i,对应的dp[i],大小至少都是 1 .所以 dp 数组初始化都是1
4、确定遍历顺序
因为后面的长度都是根据前面的数字情况来的,所以,应该从后向前进行遍历
for (int i = 1; i < dp.length; i++) {
for (int j = 0; j < i; j++) {
if (nums[i] > nums[j]) {
dp[i] = Math.max(dp[i],dp[j] + 1);
}
}
}
外层遍历:i 是在移动数组下标,以每个元素结尾的 最大递增子序列 都要算出来
内层遍历:j 是每次从 0 - (i - 1) 进行遍历
如果当前的数字 nums[i] 是大于 nums[i] ,那就说明这个最大递增子序列还能在增加,增加后的长度就是dp[j] + 1,赋值给 dp[i]
但是这个结果还不是固定的,nums[i] 要遍历完以下标 0 - (i - 1) 结尾的所有最大递增子序列,找最长的结尾
动画模拟:最长上升子序列_哔哩哔哩
5、推导dp数组
这就像每一个元素,去最大自增子序列那里去竞聘,双向选择
前面的子序列要选择比结尾还大的数字,对应代码中的if语句
当前的元素要选择最长的长度,对应的就是递推公式
举例说明:
下标3,元素1,初始化是1,跟6比较,比6小,6不要它结尾
跟7比较,比7小,7不要它结尾
跟0比较,比0大,以0结尾的这个子序列可以以1结尾,如果以1结尾,以1 结尾的长度就是 1(以0结尾的长度) + 1 (多了元素3) = 2 ,所以 dp[3] = 2。
再看看和目前代表的最大子序列长,max(1,2); 就获得了2
……
最长递增子序列
class Solution {
public int lengthOfLIS(int[] nums) {
// 创建dp数组
int[] dp = new int[nums.length];
// 初始化dp数组
Arrays.fill(dp,1);
// 推导dp数组
for (int i = 1; i < dp.length; i++) {
for (int j = 0; j < i; j++) {
if (nums[i] > nums[j]) {
dp[i] = Math.max(dp[i],dp[j] + 1);
}
}
}
// 获取dp数组的最大值
int result = 0;
for (int num : dp) {
result = Math.max(result,num);
}
return result;
}
}
674. 最长连续递增序列
题目链接:力扣
思路
其实这道题比上一道题目简单很多,明白了上一道题目,这道题目就很简单了
不连续递增子序列的跟前0-i 个状态有关,连续递增的子序列只跟前一个状态有关
最长连续递增序列
动态规划
class Solution {
public int findLengthOfLCIS(int[] nums) {
// 创建dp数组
int[] dp = new int[nums.length];
// 初始化dp数组
Arrays.fill(dp,1);
// 推导dp数组
for (int i = 1; i < nums.length; i++) {
if (nums[i] > nums[i-1]) {
dp[i] = dp[i - 1] + 1;
}
}
// 收获结果
int result = 0;
for (int num : dp) {
result = num > result ? num : result;
}
return result;
}
}
贪心算法
class Solution {
public int findLengthOfLCIS(int[] nums) {
// 结果收集
int result = 1;
// 记录长度
int count = 1;
for (int i = 1; i < nums.length; i++) {
if (nums[i] > nums[i - 1]) {
count++;
} else {
count = 1;
}
result = count > result ? count : result;
}
return result;
}
}
718. 最长重复子数组
题目链接:力扣
思路
子数组,其实就是连续子序列
这道题目确实不太好理解,可以看看这个图:力扣
1、确定dp数组的含义
dp[i][j] : 以下标 i - 1为结尾的 A ,和下标为 j - 1为结尾的 B,最长重复子数组长度为dp[i][j]
2、确定递推公式
dp[i][j] = dp[i - 1][j - 1] + 1
这个递推公式确实不太好理解,可以把这道题目看成上一道题目的延申,这样就会发现这两个递推公式的相同之处,求连续的子序列,只跟前一个状态有关
3、dp数组初始化
初始化为0
4、遍历顺序
二维dp数组的内层循环和外层循环都是从前向后进行遍历
一维dp数组的内层循环时从后向前进行遍历,因为计算当前值 依赖的是 其左上角的值,如果从前向后进行遍历,前面的结果有可能被覆盖掉了,后面就不能得到准确的值了
最长重复子数组
二维dp数组
// 写法一
class Solution {
public int findLength(int[] nums1, int[] nums2) {
// 创建dp数组
int[][] dp = new int[nums1.length + 1][nums2.length + 1];
// 初始化dp数组
// 与默认值相符,不用初始化了
int result = 0;
// 推导dp数组
for (int i = 1; i <= nums1.length; i++) {
for (int j = 1; j <= nums2.length; j++) {
if (nums1[i - 1] == nums2[j - 1]) {
dp[i][j] = dp[i - 1][j - 1] + 1;
}
result = dp[i][j] > result ? dp[i][j] : result;
}
}
return result;
}
}
// 写法二
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int result = 0;
// 创建dp数组
int[][] dp = new int[nums1.length + 1][nums2.length + 1];
// 推导dp数组
for (int i = 0; i < nums1.length; i++) {
for (int j = 0; j < nums2.length; j++) {
if (nums1[i] == nums2[j]) {
dp[i + 1][j + 1] = dp[i][j] + 1;
}
result = Math.max(result,dp[i+1][j+1]);
}
}
return result;
}
}
一维dp数组
class Solution {
public int findLength(int[] nums1, int[] nums2) {
// 创建dp数组
int[] dp = new int[nums1.length + 1];
// 初始化dp数组
// 与默认值相符,不用初始化了
int result = 0;
// 推导dp数组
for (int i = 1; i <= nums1.length; i++) {
for (int j = nums2.length; j > 0; j--) { // 注意遍历顺序
if (nums1[i - 1] == nums2[j - 1]) {
dp[j] = dp[j - 1] + 1;
} else {
dp[j] = 0; // 注意 不相等的时候要重新赋值
}
result = dp[j] > result ? dp[j] : result;
}
}
return result;
}
}