动态规划part13
300.最长递增子序列
今天开始正式子序列系列,本题是比较简单的,感受感受一下子序列题目的思路。
题目链接: 300.最长递增子序列
视频讲解: 300.最长递增子序列
文章讲解: 300.最长递增子序列
解题思路
动规五部曲
- 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 - 状态转移方程
位置i的最长升序子序列等于j从0到i-1各个位置的最长升序子序列 + 1 的最大值。
所以:if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);
注意这里不是要dp[i] 与 dp[j] + 1进行比较,而是我们要取dp[j] + 1的最大值。 - dp[i]的初始化
dp[i] = 1. - 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。
j其实就是遍历0到i-1,那么是从前到后,还是从后到前遍历都无所谓,只要吧 0 到 i-1 的元素都遍历了就行了。 所以默认习惯 从前向后遍历。 - 举例推导dp数组
class Solution {
public int lengthOfLIS(int[] nums) {
int[] dp = new int[nums.length];
int res = 1;
Arrays.fill(dp, 1);
for(int i = 1; i < dp.length; i++){
for(int j = 0; j < i; j++){
if(nums[i] > nums[j]){
dp[i] = Math.max(dp[i], dp[j] + 1);
}
res = Math.max(res, dp[i]);
}
}
return res;
}
}
674. 最长连续递增序列
本题相对于昨天的动态规划:300.最长递增子序列 最大的区别在于“连续”。 先尝试自己做做,感受一下区别
题目链接: 674. 最长连续递增序列
视频讲解: 674. 最长连续递增序列
文章讲解: 674. 最长连续递增序列
解题思路
与300.最长递增子序列
的区别仅在于:不连续递增子序列的跟前0-i 个状态有关,本题连续递增的子序列只跟前一个状态有关
另外,本题用贪心也可以做
// 动态规划
class Solution {
public int findLengthOfLCIS(int[] nums) {
int[] dp = new int[nums.length];
int res = 1;
Arrays.fill(dp, 1);
for(int i = 1; i < dp.length; i++){
if(nums[i] > nums[i - 1]){
dp[i] = dp[i - 1] + 1;
res = Math.max(res, dp[i]);
}
}
return res;
}
}
718. 最长重复子数组 (需二刷
稍有难度,要使用二维dp数组了
题目链接: 718. 最长重复子数组
视频讲解: 718. 最长重复子数组
文章讲解: 718. 最长重复子数组
解题思路
- 确定dp数组(dp table)以及下标的含义
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].(为什么要这样定义,是为了简化初始化的过程,具体见代码随想录的文章讲解) - 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; - 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!
但dp[i][0] 和dp[0][j]要初始值,因为 为了方便递归公式dp[i][j] = dp[i - 1][j - 1] + 1;
所以dp[i][0] 和dp[0][j]初始化为0。 - 确定遍历顺序
外层for循环遍历A,内层for循环遍历B。或者 外层for循环遍历B,内层for循环遍历A。
也行,一样的, - 举例推导dp数组
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int result = 0;
int[][] dp = new int[nums1.length + 1][nums2.length + 1];
for(int i = 1; i < nums1.length + 1; i++){
for(int j = 1; j < nums2.length + 1; j++){
if(nums1[i - 1] == nums2[j - 1]){
dp[i][j] = dp[i - 1][j - 1] + 1;
result = Math.max(result, dp[i][j]);
}
}
}
return result;
}
}