本文主要是介绍Day45- 动态规划part13,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
一、最长递增子序列
题目一:300. 最长递增子序列
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。
dp[i]
表示以nums[i]
结尾的最长递增子序列的长度。对于每个元素
nums[i]
,需要找到所有j < i
且nums[j] < nums[i]
的dp[j]
然后在这些
dp[j]
中找到最大值,将其加1后作为dp[i]
的值最后,数组
dp
中的最大值即为整个数组的最长递增子序列的长度。
class Solution {
public:int lengthOfLIS(vector<int>& nums) {if (nums.empty()) return 0;int n = nums.size();vector<int> dp(n, 1); int maxLength = 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);}}maxLength = max(maxLength, dp[i]); // 更新最长递增子序列的长度}return maxLength;}
};
二、最长连续递增序列
题目一:674. 最长连续递增序列
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。
为了找到最长连续递增序列的长度,可以遍历数组,使用一个计数器来跟踪当前连续递增序列的长度,并使用一个变量来记录到目前为止找到的最长连续递增序列的长度。
每次当发现当前元素大于前一个元素时,增加计数器的值
否则将计数器重置为1,因为连续递增序列被中断了
/** @lc app=leetcode.cn id=674 lang=cpp** [674] 最长连续递增序列*/// @lc code=start
class Solution {
public:int findLengthOfLCIS(vector<int>& nums) {if (nums.size() < 2) return nums.size();int maxLength = 1; int currentLength = 1; for (int i = 1; i < nums.size(); ++i) {if (nums[i] > nums[i-1]) {++currentLength;maxLength = max(maxLength, currentLength);} else {currentLength = 1;}}return maxLength;}
};
// @lc code=end
三、最长重复子数组
题目一:718. 最长重复子数组
718. 最长重复子数组
给两个整数数组 nums1
和 nums2
,返回 两个数组中 公共的 、长度最长的子数组的长度 。
定义一个二维数组
dp
来解决,其中dp[i][j]
表示以nums1[i-1]
和nums2[j-1]
结尾的最长公共子数组的长度。如果
nums1[i-1] == nums2[j-1]
,那么dp[i][j] = dp[i-1][j-1] + 1
否则,
dp[i][j] = 0
最后,需要找到
dp
数组中的最大值,即为两个数组中公共的、长度最长的子数组的长度。
class Solution {
public:int findLength(vector<int>& nums1, vector<int>& nums2) {int m = nums1.size(), n = nums2.size();vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));int maxLength = 0;for (int i = 1; i <= m; ++i) {for (int j = 1; j <= n; ++j) {if (nums1[i - 1] == nums2[j - 1]) {dp[i][j] = dp[i - 1][j - 1] + 1;maxLength = max(maxLength, dp[i][j]);}}}return maxLength;}
};
这篇关于Day45- 动态规划part13的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!