文章目录
- 基础知识
- 适用场景
- 小结
- 题目概述
- 题目详解
- 300.最长递增子序列
- 2407.最长递增子序列 II
基础知识
线段树和树状数组都只是一个工具来的,题目并不会一下子就告诉你这个题目用到线段树和树状数组,这个取决于你想使用的数据结构以及所要优化的方向
线段树和树状数组(也称为二叉索引树)是两种常用的数据结构,主要用于处理数组的区间查询和更新操作。它们的主要区别如下:
适用场景
- 线段树:
- 适用于需要复杂区间操作的场景,如区间最大值、区间最小值、区间更新等。
- 适合动态性较强的问题。
# 点的更新
class Tree:def __init__(self,n):self.st = [0]*(4*n)def update(self,o,l,r,index,val):# l,r 是当前区间的范围,index 是要插入的数据的索引if l==r:self.st[o] = valreturn mid = (l+r)//2if index<=mid:self.update(2*o,l,mid,index,val)else:self.update(2*o+1,mid+1,r,index,val)self.st[o] = max(self.st[2*o],self.st[2*o+1])def query(self,o,l,r,L,R):if l >= L and r <= R:return self.st[o]mid = (l+r)//2res = 0if L<=mid:res = max(res,self.query(2*o,l,mid,L,R))if R > mid:res = max(res,self.query(2*o+1,mid+1,r,L,R))return res
- 树状数组:
- 适用于简单的前缀和查询和单点更新问题。
- 适合静态或半静态问题,且代码实现更简洁。
小结
特性 | 线段树 | 树状数组 |
---|---|---|
结构 | 二叉树 | 基于数组的树形结构 |
功能 | 支持复杂区间操作 | 主要用于前缀和查询 |
时间复杂度 | ( O ( log n ) (O(\log n) (O(logn)) | ( O ( log n ) ) (O(\log n)) (O(logn)) |
空间复杂度 | ( O ( 4 n ) (O(4n) (O(4n)) | ( O ( n ) ) (O(n)) (O(n)) |
适用场景 | 动态区间操作 | 简单查询和更新 |
题目概述
2407.最长递增子序列 II
题目详解
300.最长递增子序列
这个题目是方便我们做下面的
最长递增子序列
思路分析:
这个最长递增子序列,我们采用动态规划进行求解,
dp[i]的定义:以nums[i]为结尾的子序列的最长的长度
有递推公式:
d p [ i ] = m a x ( d p [ i ] , d p [ j ] + 1 ) dp[i] = max(dp[i],dp[j]+1) dp[i]=max(dp[i],dp[j]+1),当我们遍历前 i − 1 i-1 i−1个元素,当满足 n u m s [ j ] < = n u m s [ i ] nums[j]<=nums[i] nums[j]<=nums[i]的时候更新
时间复杂度分析:是o(n^2)
2407.最长递增子序列 II
思路分析:
这个题目首先想到可以使用动态规划
,但是如果内层的的判断i之前的满足的情况的时候还是使用暴力进行求解的话,就会出现超时的情况,所以我们就得考虑使用线段树,线段树对于求解区间的最值的时间复杂度只有o(logn)
class Solution:def lengthOfLIS(self, nums: List[int], k: int) -> int:ans = 1# dp[i][j] 表示前i个元素中,以值j结尾的长度的子序列长度的最大值# 注意,这里的j是值域tr = Tree(100005)# 这个求解的是外层循环ifor va in nums:if va != 1:# 确保这个zuo没有超过范围zuo = max(1,va-k)you = va-1# 1为根节点# 这个是求解的内层循环jpre = tr.query(1,1,100000,zuo,you)now = pre+1ans = max(ans,now)tr.update(1,1,100000,va,now)else:tr.update(1,1,100000,1,1)return ans# 线段树模版
class Tree:def __init__(self,n):self.t = [0] * (n*4)def update(self,o,l,r,index,va):if l==r:self.t[o] = vareturn m = (l+r) //2if index<=m:self.update(o*2,l,m,index,va)else:self.update(o*2+1,m+1,r,index,va)self.t[o] = max(self.t[o*2],self.t[o*2+1])def query(self,o,l,r,L,R):if l>=L and r<= R:return self.t[o]m = (l+r) // 2res = 0if m >= L:res = max(res,self.query(o*2,l,m,L,R))if R>m:res = max(res,self.query(o*2+1,m+1,r,L,R))return res