当前位置: 首页 > news >正文

动态规划:最长递增子序列

给定一个数组,求最长递增子序列的长度,就是要求我们求出一个序列中最长的上升子序列的长度,最长上升子序列的定义就是从原序列中按照孙旭去除一些数字,这些数字是逐渐增大的。

*定义dp[i]表示以第i个元素结尾的最长上升子序列的长度。

*初始时,每个dp[i]的值至少为1,因为每个元素本身就是一个长度为1的上升子序列

*对于每个元素i,我们遍历起前面的所有元素j,如果nums[i] < nums[j],则更新

dp[i] = max(dp[i],dp[j] + 1)

*最终,最长上升子序列的长度就是dp数组中的最大值。

函数逻辑

  1. 输入与边界处理

    • 输入为整数向量 nums

    • 若数组为空(n == 0),直接返回 0。

  2. 动态规划初始化

    • 创建长度为 n 的数组 dp,初始值全为 1。dp[i] 表示以 nums[i] 结尾的最长递增子序列的长度(每个元素自身至少构成长度为 1 的子序列)。

  3. 动态规划递推

    • 外层循环遍历每个元素 nums[i](从第 2 个元素开始)。

    • 内层循环遍历 nums[i] 之前的所有元素 nums[j]j < i)。

    • 若 nums[j] < nums[i],说明可以将 nums[i] 接在 nums[j] 对应的递增子序列后。此时更新 dp[i] 为 max(dp[i], dp[j] + 1),确保 dp[i] 记录当前最长长度。

  4. 返回结果

    • 最终返回 dp 数组中的最大值,即整个数组的最长递增子序列长度。

示例验证

以输入 [10, 9, 2, 5, 3, 7, 101, 18] 为例:

  • dp 数组逐步更新为 [1, 1, 1, 2, 2, 3, 4, 4]

  • 最大值为 4,对应最长递增子序列如 [2, 5, 7, 101]

复杂度分析

  • 时间复杂度:O(n²),两层嵌套循环遍历所有元素对。

  • 空间复杂度:O(n),用于存储 dp 数组。

#include <iostream>
#include <vector>
#include <algorithm> // 用于max_elementusing namespace std;/*** 使用动态规划求最长递增子序列长度* @param nums 输入数组* @return 最长递增子序列的长度*/
int lengthOfLIS(vector<int>& nums) {int n = nums.size();if (n == 0) return 0;// dp[i]表示以nums[i]结尾的最长递增子序列的长度vector<int> dp(n, 1); // 初始化为1,每个元素自身就是一个子序列for (int i = 1; i < n; ++i) {for (int j = 0; j < i; ++j) {if (nums[j] < nums[i]) {// 如果nums[j] < nums[i],则可以扩展子序列dp[i] = max(dp[i], dp[j] + 1);}}}// 返回dp数组中的最大值return *max_element(dp.begin(), dp.end());
}/*** 输出最长递增子序列本身(而不仅仅是长度)* @param nums 输入数组* @return 最长递增子序列*/
vector<int> getLIS(vector<int>& nums) {int n = nums.size();if (n == 0) return {};vector<int> dp(n, 1);vector<int> prev(n, -1); // 用于记录前驱元素索引for (int i = 1; i < n; ++i) {for (int j = 0; j < i; ++j) {if (nums[j] < nums[i] && dp[j] + 1 > dp[i]) {dp[i] = dp[j] + 1;prev[i] = j; // 记录前驱}}}// 找到dp数组中最大值的索引int max_len = 0, max_index = 0;for (int i = 0; i < n; ++i) {if (dp[i] > max_len) {max_len = dp[i];max_index = i;}}// 回溯构建LISvector<int> lis;while (max_index != -1) {lis.push_back(nums[max_index]);max_index = prev[max_index];}reverse(lis.begin(), lis.end()); // 反转得到正确顺序return lis;
}int main() {vector<int> nums = {10, 9, 2, 5, 3, 7, 101, 18};// 计算并输出最长递增子序列长度int length = lengthOfLIS(nums);cout << "最长递增子序列长度: " << length << endl;// 获取并输出最长递增子序列本身vector<int> lis = getLIS(nums);cout << "最长递增子序列: ";for (int num : lis) {cout << num << " ";}cout << endl;return 0;
}

相关文章:

  • Python企业级OCR实战开发:从基础识别到智能应用
  • JMeter 中实现 双 WebSocket(双WS)连接
  • 前端EXCEL插件,智表ZCELL产品V3.0 版本发布,底层采用canvas全部重构,功能大幅扩展,性能极致提升,满足千万级单元格加载
  • openlayers利用已知的三个经纬度的坐标点 , 绘制一个贝塞尔曲线
  • JDBC执行sql过程
  • Unity.UGUI DrawCall合批笔记
  • onGAU:简化的生成式 AI UI界面,一个非常简单的 AI 图像生成器 UI 界面,使用 Dear PyGui 和 Diffusers 构建。
  • 移动零--双指针
  • 【Java ee初阶】网络原理
  • P1725 琪露诺
  • 代码随想录第41天:图论2(岛屿系列)
  • PPT图表怎么制作?说5款自己使用过的PPT图表制作工具
  • 遗传算法组卷系统实现(Java版)
  • Web 架构之容灾方案深度解析
  • ThinkPad T440P如何从U盘安装Ubuntu24.04系统
  • Cadence学习笔记之---导入PCB板框、网表
  • 贪心算法专题(Part2)
  • 简述Web和HTTP
  • 机器学习 day02
  • 【OpenCV】imread函数的简单分析
  • 巴总理召开国家指挥当局紧急会议
  • 体坛联播|郑钦文收获红土赛季首胜,国际乒联公布财报
  • 理财经理泄露客户信息案进展:湖南省检受理申诉,证监会交由地方监管局办理
  • “降息潮”延续!存款利率全面迈向“1时代”
  • 江西省直机关工委副书记熊亮华履新宜春市委常委、宣传部部长
  • 见微知沪|优化营商环境,上海为何要当“细节控”自我加压?