当前位置: 首页 > news >正文

LeetCode 热题 100_最长递增子序列(87_300_中等_C++)(动态规划)

LeetCode 热题 100_最长递增子序列(87_300)

    • 题目描述:
    • 输入输出样例:
    • 题解:
      • 解题思路:
        • 思路一(动态规划):
      • 代码实现
        • 代码实现(思路一(动态规划)):
        • 以思路一为例进行调试

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。

输入输出样例:

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

提示:
1 <= nums.length <= 2500
-104 <= nums[i] <= 104

题解:

解题思路:

思路一(动态规划):

1、因递增子序列,含有重复部分(其部分序列也为递增子序列),所以可以采用动态规划的方法来解决。

2、具体思路如下:
① dp[ i ]的含义为以当前位置 i 为结尾的最长递增子序列的长度。
② 当我们遍历到nums[i]时。若之前元素nums[ j ] < nums[ i ],则dp[ i ] = max(dp[ j ]+1,dp[ i ])(其含义是遍历 i 之前的所有位置 j∈[ 0,i ),若之前的元素nums[ j ]比当前元素nums[ i ]小则满足递增的条件,则取以 j 为结尾的最长递增子序列的长度+1 的最大值,需遍历 i 之前的所有 j)。
0…j…i…nums.size()-1
③ dp[0]=1,第一个数字最长递增子序列的长度为1。dp数组中其他值初始化为1,因最小递增长度为1。
④ 定义ans来存储最大的dp[ i ],因dp[ i ]的定义决定。

3、复杂度分析:
① 时间复杂度:O(n2),其中 n 是数组 nums 的长度,使用了双重循环。
② 空间复杂度:O(n),dp数组使用的空间。

代码实现

代码实现(思路一(动态规划)):
class Solution {public:// 函数:求最长递增子序列的长度int lengthOfLIS(vector<int>& nums) {// 如果数组为空或只有一个元素,直接返回其长度if (nums.size() <= 1) {return nums.size();}// dp数组用于存储以每个元素为结尾的最长递增子序列的长度vector<int> dp(nums.size(), 1); // 初始化每个元素的最长递增子序列长度为1// 记录最终的最长递增子序列的长度int ans = 0;// 遍历数组,从第二个元素开始for (int i = 1; i < nums.size(); i++) {// 遍历前面所有元素,比较nums[i]和nums[j],如果nums[i] > nums[j],则说明可以延伸以nums[j]结尾的递增子序列for (int j = 0; j < i; j++) {if (nums[i] > nums[j]) {// 更新dp[i]为可能的最大递增子序列长度dp[i] = max(dp[i], dp[j] + 1);}}// 更新当前找到的最长递增子序列长度ans = max(ans, dp[i]);}// 返回最长递增子序列的长度return ans;}};
以思路一为例进行调试
#include<iostream>
#include<vector>
using namespace std;class Solution {public:// 函数:求最长递增子序列的长度int lengthOfLIS(vector<int>& nums) {// 如果数组为空或只有一个元素,直接返回其长度if (nums.size() <= 1) {return nums.size();}// dp数组用于存储以每个元素为结尾的最长递增子序列的长度vector<int> dp(nums.size(), 1); // 初始化每个元素的最长递增子序列长度为1// 记录最终的最长递增子序列的长度int ans = 0;// 遍历数组,从第二个元素开始for (int i = 1; i < nums.size(); i++) {// 遍历前面所有元素,比较nums[i]和nums[j],如果nums[i] > nums[j],则说明可以延伸以nums[j]结尾的递增子序列for (int j = 0; j < i; j++) {if (nums[i] > nums[j]) {// 更新dp[i]为可能的最大递增子序列长度dp[i] = max(dp[i], dp[j] + 1);}}// 更新当前找到的最长递增子序列长度ans = max(ans, dp[i]);}// 返回最长递增子序列的长度return ans;}};int main(int argc, char const *argv[])
{vector<int> nums={10,9,2,5,3,7,101,18};Solution s;cout<<s.lengthOfLIS(nums);return 0;
}

LeetCode 热题 100_最长递增子序列(87_300)原题链接
欢迎大家和我沟通交流(✿◠‿◠)

相关文章:

  • 小甲鱼python【p5】
  • 第八节:React HooksReact 18+新特性-React Server Components (RSC) 工作原理
  • DISCO:利用大型语言模型提取反事实
  • React-router v7 第四章(路由传参)
  • 不关“猫”如何改变外网IP?3种免重启切换IP方案
  • Spring Boot JPA 开发之Not an entity血案
  • C++学习Day0:c++简介
  • MySQL SQL 执行顺序(理论顺序)
  • 若依微服务版启动小程序后端
  • 银河麒麟系统 达梦8 安装 dlask 框架后端环境
  • [图论]生成树 引言
  • Elasticsearch使用及常见的问题
  • 基于STM32的双摄联合识别系统
  • 阿里一面:Nacos配置中心交互模型是 push 还是 pull ?(原理+源码分析)
  • 4月16日
  • Next.js项目生成sitemap.xml站点地图
  • 楼宇自控系统如何为现代建筑打造安全、舒适、节能方案
  • 【Linux网络】网络基础概念深度解析
  • 【LeetCode基础算法】滑动窗口与双指针
  • OSPF路由协议
  • 微信公众平台怎么做微网站吗/网站搜索引擎优化方案的案例
  • 网页设计购物网站/免费的seo教程
  • seo网站推广优化就找微源优化/百度如何免费推广
  • 做旅游网站的研究意义/学历提升哪个教育机构好一些
  • 网站推广网络/seo数据
  • 渔泡建筑网/排名seo公司