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。
1. dp[i]的定义:
dp[i]表示i之前包括i的以nums[i]结尾的最长递增子序列的长度
2. 状态转移方程:if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);
3. dp[i]的初始化
每一个i,对应的dp[i](即最长递增子序列)起始大小至少都是1.
4. 确定遍历顺序
dp[i] 是有0到i-1各个位置的最长递增子序列 推导而来,那么遍历i一定是从前向后遍历。
5. 打印
class Solution {
public:int lengthOfLIS(vector<int>& nums) {int n = nums.size();if (n <= 1) return n;vector<int> dp(n, 1);dp[0] = 1;int res = -1;for(int i=1; i<n; i++){for(int j=0; j<i; j++){if(nums[i]>nums[j]) dp[i] = max(dp[i], dp[j]+1);}if (dp[i] > res) res = dp[i];}return res;}
};
- 时间复杂度: O(n^2)
- 空间复杂度: O(n)
674. 最长连续递增序列
给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。
连续递增的子序列 可以由两个下标 l 和 r(l < r)确定,如果对于每个 l <= i < r,都有 nums[i] < nums[i + 1] ,那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是连续递增子序列。
1. 确定dp数组(dp table)以及下标的含义
dp[i]:以下标i为结尾的连续递增的子序列长度为dp[i]。
2. 确定递推公式
dp[i] = dp[i - 1] + 1;
既然不用j了,那么也不用两层for循环,本题一层for循环就行,比较nums[i] 和 nums[i - 1]。
3. 初始化
以下标i为结尾的连续递增的子序列长度最少也应该是1,即就是nums[i]这一个元素。
4. 从前向后遍历。
5. 打印数组
class Solution {
public:int findLengthOfLCIS(vector<int>& nums) {int len = nums.size();vector<int> dp(len, 1);int res =1;for(int i=1; i<len; i++){if(nums[i]>nums[i-1]){dp[i] = dp[i-1]+1;}res = max(dp[i], res);}return res;}
};
- 时间复杂度:O(n)
- 空间复杂度:O(n)
718. 最长重复子数组
给两个整数数组 A 和 B ,返回两个数组中公共的、长度最长的子数组的长度。
1. dp[i][j] :以下标i - 1为结尾的A,和以下标j - 1为结尾的B,最长重复子数组长度为dp[i][j]。
2. 确定递推公式
根据dp[i][j]的定义,dp[i][j]的状态只能由dp[i - 1][j - 1]推导出来。
即当A[i - 1] 和B[j - 1]相等的时候,dp[i][j] = dp[i - 1][j - 1] + 1;
3. dp数组如何初始化: 根据dp[i][j]的定义,dp[i][0] 和dp[0][j]其实都是没有意义的!
4. 确定遍历顺序:外层for循环遍历A,内层for循环遍历B。从前往后
5. 打印数组
class Solution {
public:int findLength(vector<int>& nums1, vector<int>& nums2) {vector<vector<int>> dp(nums1.size() + 1, vector<int>(nums2.size() + 1, 0));int res = 0;for(int i=1; i<=nums1.size(); i++){for(int j=1; j<=nums2.size(); j++){if(nums1[i-1]==nums2[j-1]){dp[i][j] = dp[i-1][j-1]+1;}res = max(res, dp[i][j]);}}return res;}
};
- 时间复杂度:O(n × m),n 为A长度,m为B长度
- 空间复杂度:O(n × m)
1143.最长公共子序列
给定两个字符串 text1 和 text2,返回这两个字符串的最长公共子序列的长度。
一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
1. dp数组:dp[i][j]:长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j]。
2. 确定递推公式
主要就是两大情况: text1[i - 1] 与 text2[j - 1]相同,text1[i - 1] 与 text2[j - 1]不相同
如果text1[i - 1] 与 text2[j - 1]相同,那么找到了一个公共元素,所以dp[i][j] = dp[i - 1][j - 1] + 1;
如果text1[i - 1] 与 text2[j - 1]不相同,那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列,取最大的。
即:dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
3. dp数组如何初始化: 统一初始化为0
4. 遍历顺序:所以要从前向后,从上到下来遍历这个矩阵。
5. 打印数组
class Solution {
public:int longestCommonSubsequence(string text1, string text2) {vector<vector<int>> dp(text1.size()+1, vector<int>(text2.size()+1, 0));for(int i=1; i<=text1.size(); i++){for(int j=1; j<=text2.size(); j++){if(text1[i-1]==text2[j-1]){dp[i][j] = dp[i-1][j-1]+1;}else{dp[i][j] = max(dp[i][j-1], dp[i-1][j]);}}}return dp[text1.size()][text2.size()];}
};
- 时间复杂度: O(n * m),其中 n 和 m 分别为 text1 和 text2 的长度
- 空间复杂度: O(n * m)