开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第18天，点击查看活动详情

【LetMeFly】300.最长递增子序列

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。

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

进阶：

你能将算法的时间复杂度降低到 O(n log(n)) 吗?

方法一：动态规划

开辟一个大小为 $n+1$ 的数组（其中 $n=len(nums)$ ） $dp$

其中 $dp[i]$ 代表 $nums$ 中，以 $nums[i]$ 结尾的最长子序列的长度。

那么，对于 $dp[i]$ ，我们很容易给出状态转移方程：

$dp[i] = \max_{j<i}(dp[j] + 1, dp[i])$

也就是说， $nums[j]<nums[i]$ 的话，以 $nums[i]$ 结尾的最长子序列，可由“以 $nums[j]$ 结尾的最长子序列”加上 $nums[j]$ 得到

最终返回 $dp$ 数组中的最大值，即为以 $nums$ 中某个元素结尾的最长子序列的长度。

时间复杂度 $O(len(nums)^2)$
空间复杂度 $O(len(nums))$

AC代码

C++

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int n = nums.size();
        vector<int> dp(n, 1);
        for (int i = 1; i < n; i++) {
            for (int j = 0; j < i; j++) {
                if (nums[j] < nums[i]) {
                    dp[i] = max(dp[i], dp[j] + 1);
                }
            }
        }
        return *max_element(dp.begin(), dp.end());
    }
};

同步发文于CSDN，原创不易，转载请附上原文链接哦~ Tisfy：letmefly.blog.csdn.net/article/det…

LeetCode 0300. 最长递增子序列

【LetMeFly】300.最长递增子序列

方法一：动态规划

AC代码

C++