难度:
中等
描述:
给定一个无序的整数数组,找到其中最长上升子序列的长度。
示例:
输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101],它的长度是 4。
来源:力扣(LeetCode) 链接:leetcode-cn.com/problems/lo… 著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
语言:
swift
解析:
这也是动态规划比较基础的一道题,我们依旧按照基本解题思路来分析。 要求长度为 n 的序列的最长上升子序列,首先分解为子问题:
1. 求该序列长度为 0 的序列的最长上升子序列
2. 求该序列长度为 1 的序列的最长上升子序列
3. 求该序列长度为 2 的序列的最长上升子序列
4. 求该序列长度为 3 的序列的最长上升子序列
5. ...
6. 求该序列长度为 n 的序列的最长上升子序列
然后设置状态方程,我们设d(n)
为该序列长度为n
的时候的最长子序列长度,L[n]
为序列L
的第n
位元素。
先来看第一个问题:
1. 求该序列长度为 0 的序列的最长上升子序列
,显而易见序列长度为 0 的时候,最长子序列长度也为 0 ,所以d(0) = 0
。
第二个问题:
2. 求该序列长度为 1 的序列的最长上升子序列
的答案为1,所以d(1) = 1
。
3. 求该序列长度为 2 的序列的最长上升子序列
的情况就有所不同了,我们需要比较L[2]
和L[1]
的大小,如果L[2] > L[1]
,则有d(2) = 2
;如果L[2] < L[1]
,则有d(2) = 1
。
4. 求该序列长度为 3 的序列的最长上升子序列
的情况会更加复杂,由于L[1]
和L[2]
的最长子序列是已知的,我们仅需要把L[3]
分别同L[1]
和L[2]
比较,找到比L[3]
小的。例如示例中,d(1) = 1, d(2) = 1, d(3) = 1
。
5. 求该序列长度为 4 的序列的最长上升子序列
,同上一个子问题一样,我们发现L[3] < L[4]
,所以d(4) = 2
,抽象为d(4) = d(3) + 1 = 1 + 1 = 2
。
这个时候我们同时需要考虑,如果第x
位元素L[x]
,在[1, x)
区间内有y
、z
两个元素小于L[x]
,即L[y] < L[x]
、L[z] < L[x]
,那么我们需要找到d(y)
和d(z)
中比较大的,所以可以抽象出方程:d(x) = max{d(y), d(z)} + 1
。
所以在求解:
6. 求该序列长度为 n 的序列的最长上升子序列
的时候,我们可以抽象出状态转移方程:
d(i) = max{1, d(j) + 1}(j < i, L[j] < L[i])
我们需要在遍历每个元素的时候,去寻找前面元素中的最长上升子序列。
自认为表达的的还不是太好。。。可以讨论一下,我还会改进。
代码如下:
class Solution {
func lengthOfLIS(_ nums: [Int]) -> Int {
if nums.count == 0 {
return 0
}
var dict = [Int : Int]()
var maxLength = 1
dict[0] = 1
for index in 0...nums.count - 1 {
var length = 0
if index - 1 < 0 {
continue
}
for loopIndex in 0...index - 1 {
if nums[loopIndex] < nums[index] && (dict[loopIndex] != nil) {
length = max(length, dict[loopIndex]!)
}
}
dict[index] = length + 1
maxLength = max(maxLength, dict[index]!)
}
return maxLength
}
}
总结
动态规划很有趣,要通过多练习才能熟悉。