文章目录
- Tag
- 题目来源
- 解题思路
- 方法一:最长递增子序列
- 写在最后
Tag
【最长递增子序列】【数组】【2023-12-22】
题目来源
1671. 得到山形数组的最少删除次数
解题思路
方法一:最长递增子序列
前后缀分解
根据前后缀思想,以 nums[i]
为山顶的山形数组可以看成 nums[i]
左侧以其作为结尾的最长递增子序列,我们记左侧的最长递增子序列的长度为 pre[i]
,拼接上 nums[i]
右侧以其作为结尾的最长递减子序列,我们记右侧的最长递减子序列的长度为 suf[i]
,此时以 nums[i]
为山顶的山形数组长度为:
p r e [ i ] + s u f [ i ] − 1 pre[i] + suf[i] - 1 pre[i]+suf[i]−1
我们枚举所有的 nums[i]
,计算所有的最长山顶数组长度 maxLen
,最后需要删除的数组元素长度为 n - maxLen
即为最后需要返回的答案。
最长递增子序列
如何计算 pre
和 suf
?
pre
和 suf
的计算过程类似。先来看一下 pre
的计算。维护数组 pre
,pre[i]
表示以 nums[i]
作为结尾的最长递增子序列的长度;维护辅助数组 g
,表示以当前元素 nums[i]
结尾的最长递增子序列数组。
遍历数组 nums
,当前遍历的元素为 nums[i]
记为 x
,在数组 g 中使用二分查找找到第一个大于 x
的元素,对应的位置为 it - g.begin() + 1
:
- 更新
pre[i] = it - g.begin() + 1
; - 如果 x 不在 g 中,则将 x 加入 g;否则将 x 更新到 g 中相应的位置。
在 suf
的计算过程中,我们从后往前遍历数组 nums
,就是找最长的递增子序列,于是计算过程和 pre
的计算类似。
remark1:因为山峰不可能在数组首和尾两个位置出现,那么在遍历所有山峰的范围
[0, n-1]
时,需要先做判断pre[i] >= 2 && suf[i] >= 2
。
remark2:可以先计算
suf
,然后一起计算pre
和更新答案的,留给读者自己实现。
算法
class Solution {
public:int minimumMountainRemovals(vector<int>& nums) {int n = nums.size();vector<int> pre(n), g;for (int i = 0; i < n; ++i) {int x = nums[i];auto it = lower_bound(g.begin(), g.end(), x);pre[i] = it - g.begin() + 1;if (it == g.end()) {g.push_back(x);}else {*it = x;}}vector<int> suf(n);g.clear();for (int i = n - 1; i >= 0; --i) {int x = nums[i];auto it = lower_bound(g.begin(), g.end(), x);suf[i] = it - g.begin() + 1;if (it == g.end()) {g.push_back(x);}else {*it = x;}}int mx = 0;for (int i = 1; i < n - 1; ++i) {mx = max(mx, pre[i] + suf[i] - 1);}return n - mx;}
};
复杂度分析
时间复杂度: O ( n l o g n ) O(nlogn) O(nlogn),更新 pre
和 suf
的时间复杂度都为 O(nlogn)
,更新答案的时间复杂度为 O ( n ) O(n) O(n)。
空间复杂度: O ( n ) O(n) O(n),额外占用的空间为数组 pre
、suf
和 g
。空间复杂度: O ( n ) O(n) O(n),额外占用的空间为数组 pre
、suf
和 g
。
写在最后
如果您发现文章有任何错误或者对文章有任何疑问,欢迎私信博主或者在评论区指出 💬💬💬。
如果大家有更优的时间、空间复杂度的方法,欢迎评论区交流。
最后,感谢您的阅读,如果有所收获的话可以给我点一个 👍 哦。