LeetCode冥想：最长递增子序列

这个问题的描述简单地说：

给定一个整数数组 nums，返回最长严格递增子序列.的长度

例如：

input: nums = [10, 9, 2, 5, 3, 7, 101, 18]
output: 4
explanation: the longest increasing subsequence is [2, 3, 7, 101], therefore the length is 4.

登录后复制

或者：

input: nums = [0, 1, 0, 3, 2, 3]
output: 4

登录后复制

或者：

input: nums = [7, 7, 7, 7, 7, 7, 7]
output: 1

登录后复制

与本系列的上一个问题类似，我们也可以在这里看看自下而上的动态规划方法。

对于 nums 数组中的每个值，我们可以从索引开始的最大子序列的长度 css"> 我我我 是：

• 1（该值本身）

或

• 1 从索引开始可以拥有的最大子序列的数量 i1i 1i 1 。

但是，如果 nums[i 1] 小于 nums[i]，我们不能包含第二个选项。

首先，我们可以首先创建一个 dp 数组来保存从 nums 的每个索引开始可以拥有的子序列的长度。也就是说，dp[0] 的长度是从 nums[0] 开始的最大子序列的长度，dp[1] 的长度是从 nums[1] 开始的最大子序列的长度，等等于：

let dp = array.from({ length: nums.length }, () => 1);

登录后复制

然后，我们可以从 nums 的最后一个索引开始向后迭代（因为这是最简单的位置，只有一种方法可以向前形成子序列，只需取值本身）：

for (let i = nums.length - 1; i >= 0; i--) {
 /* ... */
}

登录后复制

对于每个选项，我们可以从下一个索引开始迭代，看看是否可以包含从该索引开始可以形成的最大子序列，如果可以，我们可以得到 dp[i] 和 1 dp 之间的最大值[j]：

for (let i = nums.length - 1; i >= 0; i--) {
  for (let j = i + 1; j < nums.length; j++) {
    if (nums[i] < nums[j]) {
      dp[i] = math.max(dp[i], 1 + dp[j]);
    }
  }
}

登录后复制

最后，我们可以返回 dp 中的最大值：

function lengthoflis(nums: number[]): number {
  /* ... */
  return math.max(...dp); 
}

登录后复制

最终的解决方案如下所示：

function lengthOfLIS(nums: number[]): number {
  let dp = Array.from({ length: nums.length }, () => 1);

  for (let i = nums.length - 1; i >= 0; i--) {
    for (let j = i + 1; j < nums.length; j++) {
      if (nums[i] < nums[j]) {
        dp[i] = Math.max(dp[i], 1 + dp[j]);
      }
    }
  }

  return Math.max(...dp);
}

登录后复制

时间和空间复杂度

时间复杂度为 o(n2)o(n ^2)o(n2） 当我们迭代 nums 中的每个项目时，对于 nums 中的每个项目。
空间复杂度为 o(n)o(n)o(n) 因为我们保留了一个 dp 数组，它的大小会随着 nums 长度的增加而增加。

这是本系列中的最后一个动态规划问题。接下来，我们将开始关于间隔的新篇章。在那之前，祝您编码愉快。

以上就是LeetCode冥想：最长递增子序列的详细内容，更多请关注抖狐科技其它相关文章！