Day52 动态规划part13
300.最长递增子序列
leetcode链接:300. 最长递增子序列 - 力扣(LeetCode)
题意: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。
示例 1:
- 输入:nums = [10,9,2,5,3,7,101,18]
- 输出:4
- 解释:最长递增子序列是 [2,3,7,101],因此长度为 4 。
思路:
- dp数组定义:dp[i]是以nums[i]为结尾的最长递增子序列长度
- 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);
- 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
- 遍历顺序:两层循环。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。
- 推导
- 扩展:也可以用贪心做!
class Solution:def lengthOfLIS(self, nums: List[int]) -> int:dp = [1] * len(nums)for i in range(1, len(nums)):for j in range(0, i):if nums[j] < nums[i]: dp[i] = max(dp[i], dp[j]+1)print(dp)return max(dp)
674. 最长连续递增序列
leetcode链接:. - 力扣(LeetCode)
题意:相比于上一题,这题是连续的
思路:只用和i-1比较了,都不用有循环了
class Solution:def findLengthOfLCIS(self, nums: List[int]) -> int:dp = [1]*len(nums)for i in range(1, len(nums)):if nums[i-1] < nums[i]:dp[i] = max(dp[i], dp[i-1]+1)return max(dp)
718. 最长重复子数组
leetcode链接:718. 最长重复子数组 - 力扣(LeetCode)
题意: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。
示例:
输入:
- A: [1,2,3,2,1]
- B: [3,2,1,4,7]
- 输出:3
- 解释:长度最长的公共子数组是 [3, 2, 1] 。
思路:用二维数组可以记录两个字符串的所有比较情况
- 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]。 (特别注意: “以下标i - 1为结尾的A” 标明一定是 以A[i-1]为结尾的字符串 )
- 递推公式:dp[i][j] = dp[i-1][j-1]+1
- 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。举个例子A[0]如果和B[0]相同的话,dp[1][1] = dp[0][0] + 1,只有dp[0][0]初始为0,正好符合递推公式逐步累加起来。
- 遍历顺序:外层for循环遍历A,内层for循环遍历B。其实先遍历B也可以的
class Solution:def findLength(self, nums1: List[int], nums2: List[int]) -> int:lena = len(nums1)lenb = len(nums2)dp = [[0]*(lenb+1) for i in range(lena+1)] #注意b是行!a是列!result = 0for i in range(1, lena+1):for j in range(1, lenb+1):# print(i,j,nums1[i-1],nums2[j-1])if nums1[i-1] == nums2[j-1]:dp[i][j] = dp[i-1][j-1] + 1if dp[i][j]>result:result = dp[i][j]# result = max(result, max(dp[i]))# print(dp)return result