版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u012343179/article/details/89919130
补充一个动态规划的思路。
分析:首先仔细审题,明确题目中的条件。
1、子序列:不要求连续子序列,只要保证元素前后顺序一致即可;
2、上升:这里的“上升”是“严格上升”,类似于 [2, 3, 3, 6, 7]
这样的子序列是不符合要求的;
一个序列可能有多个最长上升子序列,题目中只要我们求这个最长的长度。如果使用回溯搜索,选择所有的子序列进行判断,时间复杂度为 $O( (2^n) * n )$。
定义状态:LIS(i)
表示以第 i
个数字为结尾的最长上升子序列的长度。即在 [0, ..., i]
的范围内,选择以数字 nums[i]
结尾可以获得的最长上升子序列的长度。关键字是:以第 i
个数字为结尾,即我们要求 nums[i]
必须被选取。反正一个子序列一定要以一个数字结尾,那我就将状态这么定义,这一点是重要且常见的。
状态转移方程:遍历到索引是 i
的数的时候,我们应该把索引是 [0, ... ,i - 1]
的 LIS
都看一遍,如果当前的数 nums[i]
大于之前的某个数,那么 nums[i]
就可以接在这个数后面形成一个更长的 LIS
。把前面的 i
个数都看了, LIS[i]
就是它们的最大值加 $1$。即比当前数要小的那些里头,找最大的,然后加 $1$ 。
状态转移方程即:LIS(i) = max( 1 + LIS(j) if j < i and nums[i] > nums[j])
最后不要忘了,应该扫描一遍这个 LIS[i]
数组,其中最大的就是我们所求的。
Python 代码:关键:找它前面比他小的那些数中最大的
class Solution:
# 动态规划的思路:将 dp 数组定义为:以 nums[i] 结尾的最长上升子序列的长度
# 那么题目要求的,就是这个 dp 数组中的最大者
# 以数组 [10, 9, 2, 5, 3, 7, 101, 18] 为例:
# dp 的值: 1 1 1 2 2 3 4 4
def lengthOfLIS(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
size = len(nums)
if size <= 1:
return size
dp = [1] * size
for i in range(1, size):
for j in range(i):
if nums[i] > nums[j]:
# + 1 的位置不要加错了
dp[i] = max(dp[i], dp[j] + 1)
# 最后要全部走一遍,看最大值
return max(dp)