版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u014204761/article/details/82531976
'''
区分LCS,LCS是比较两个字符串的最长公共子序列,LSI是一个字符串的最长上升子序列。
'''
def lengthOfLIS(nums):
'''
思路:cache[i]表示第i个元素时的最长上升子序列的长度,
(因为要走到序列的最后才能直到最长的子序列,所以i表示末尾元素,j表示末尾元素前面的元素)
时间复杂度O(n*n)
1. 子序列是可以不连续的
2. i指向当前点的,j指向i当前点的所有点,即 j < i
递推式:cache[i] = max(cache[i], cache[j] + 1)
'''
if not nums:
return 0
cache = [1] * len(nums)
for i in range(1, len(nums)):
for j in range(i):
if nums[i] > nums[j]:
cache[i] = max(cache[i], cache[j] + 1)
return max(cache)
def lengthOfLIS(self, nums):
'''
这个方法用了一个辅助数组,很巧妙的利用了该题的所求结果是有序的序列,利用二分查找方法。
很巧妙,比动态规划好理解。
时间复杂度为O(logn)
定义一个数组dp,存储LIS的数组,遍历数组
如果遍历到的新元素比dp数组中的首元素小的话,替换首元素为此新元素,
如果遍历到的新元素比dp数组中的末尾元素还大的话,将此新元素添加到ends数组末尾(注意不覆盖原末尾元素)。
如果遍历到的新元素比dp数组首元素大,比尾元素小时,此时用二分查找法找到第一个不小于此新元素的位置,覆盖掉位置的原来的数字,
'''
if len(nums) == 0:
return 0
dp = []
dp.append(nums[0])
for i in range(1, len(nums)):
#print(nums[i],dp[0])
if nums[i] > dp[0] and nums[i] < dp[-1]:
idx = self.searchInsert(dp, nums[i])
dp[idx] = nums[i]
elif nums[i] > dp[-1]:
dp.append(nums[i])
elif nums[i] < dp[0]:
dp[0] = nums[i]
print(len(dp))
return len(dp)