LeetCode刷题day59(上)

简介: LeetCode刷题day59

300. 最长递增子序列

题目描述

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 。

示例 2:

输入:nums = [0,1,0,3,2,3]
输出:4

示例 3:

输入:nums = [7,7,7,7,7,7,7]
输出:1

思路分析

最长上升子序列是动规的经典题目,这里dp[i]是可以根据dp[j] (j < i)推导出来的,那么依然用动规五部曲来分析详细一波:


dp[i]的定义

dp[i]表示i之前包括i的最长上升子序列的长度.


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)


注意:这里不是要dp[i]与dp[j] + 1进行比较,而是我们要取dp[j] + 1的最大值.


dp[i]的初始化

每一个i,对应的dp[i] (即最长上升子序列)起始大小至少都是1.这个很好理解,最少也是自己本身的长度嘛


确定遍历顺序

dp[i]是由0到i-1各个位置的最长升序子序列推导出来的,那么i一定是从前向后遍历的


j其实就是0到i-1,遍历i的循环在外层,遍历j则在内层.也是从前往后遍历


举例推导dp数组

输入:[0,1,0,3,2],dp数组的变化如下:


c7b138aecf2296cd9d4b3c6246c4ff0f.jpg


参考代码

#include<bits/stdc++.h>
using namespace std;
int lengthOfLIS(vector<int>& nums) {
  if(nums.size()==1){
    return 1;
  }
  vector<int> dp(nums.size(),1);//初始化为1 
  int result = 0;//保存最大序列的结果
  for(int i = 1; i<nums.size();i++) {//外层遍历所有的数 
    for(int j = 0; j < i;j++){//内层遍历概述之前的数,本质是找出小于i所有的序列,如x 
      if(nums[i]>nums[j]){//如果 序列 x的最后一个数字 小于当前的数字,则当前数字可以加入该序列.否则无法形成. 
        dp[i] = max(dp[i],dp[j]+1);
      }
    }
    if(dp[i] > result){//更新最大序列的长度 
      result = dp[i];
    }
  }
  return result;
}

674. 最长连续递增序列

题目描述

给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。


连续递增的子序列 可以由两个下标 l 和 r(l < r)确定,如果对于每个 l <= i < r,都有 nums[i] < nums[i + 1] ,那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是连续递增子序列。


示例 1:

输入:nums = [1,3,5,4,7]
输出:3
解释:最长连续递增序列是 [1,3,5], 长度为3。
尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的,因为 5 和 7 在原数组里被 4 隔开。 

示例 2:

输入:nums = [2,2,2,2,2]
输出:1
解释:最长连续递增序列是 [2], 长度为1。


思路分析

本题相对于上题区别在于 “连续”,本题要求的是最长连续序列


动规五部曲


确定dp数组以及下标的含义

dp[i]:以下标i为结尾的连续递增的子序列长度为dp[i]


确定递推公式

如果nums[i+1] > nums[i],那么以i+1 为结尾的数组的连续递增的子序列长度一定等于 以i为结尾的数组的连续底层的子序列长度 + 1. 即: dp[i+1] = dp[i] + 1;


**注意:**因为求的是连续递增子序列,所以就只需要比较nums[i+1]与nums[i].所以本题一层for循环就可以了.


dp数组进行初始化

每一个i,对应的dp[i] (即最长连续递增子序列)起始大小至少都是1.这个很好理解,最少也是自己本身的长度嘛


确定遍历顺序

从递推公式可有看出,dp[i+1]依赖于dp[i],所以一定是从前往后遍历.


举例推导dp数组

已输入nums = [1,3,5,4,7]为例,dp数组状态如下:


c54667d6b4737a8fa0f5887faf13c38c.jpg


参考代码

#include<bits/stdc++.h>
using namespace std;
int findLengthOfLCIS(vector<int>& nums) {
  if(nums.size()==1){
    return 1;
  }
  vector<int> dp(nums.size(),1) ;//定义dp 
  int result = 0;//保存最长连续递增序列的长度 
  //递推
  for(int i = 1; i < nums.size();i++) {//遍历所有的元素 
    if(nums[i-1]<nums[i]){//如果当前元素比前一个元素大  (因为是连续,所以只需要判断前一个是否和当前连续递增即可) 
      dp[i] = dp[i-1]+1;
    }
    if(dp[i]>result){//更新结果集 
      result = dp[i];
    }
  }
  return result;
}


718. 最长重复子数组

题目描述

给两个整数数组 nums1nums2 ,返回 两个数组中 公共的 、长度最长的子数组的长度

示例 1:

输入:nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
输出:3
解释:长度最长的公共子数组是 [3,2,1] 。

示例 2:

输入:nums1 = [0,0,0,0,0], nums2 = [0,0,0,0,0]
输出:5


思路分析

题目说的是求公共最长子数组,其实就是求连续子序列.


动规五部曲


确定dp数组及下标含义

dp[i] [j]:以下标i-1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].


那么有细心的小可爱可能问了,dp[i] [j]为啥不表示成 下标i为结尾的A和以下标j为结尾的B,这样不可以么?


如果这样的话dp[0] [0]=dp[-1] [-1]+1了.初始化条件就没法搞了… 不方便.


确定递推公式

根据dp[i] [j]的定义,dp[i] [j]的状态只能由dp[i-1] [j-1]推导出来.


也就是说 当A[i-1]和B[j-1]相等的时候,dp[i][j] = dp[i-1][j-1] +1


dp数组如何初始化

根据dp[i] [j]的定义,dp[i] [0]和dp[0] [j]是无实际意义的.但是为了递推的方便,dp[i] [0]和dp[0] [j]要有初始值.


根据dp[i][j] = dp[i-1][j-1] +1 ,dp[i] [0]和dp[0] [j]初始化为0.


确定遍历顺序

外层for循环遍历A,内层for循环遍历B.(反之也可)


举例推导dp数组

拿示例1中,A: [1,2,3,2,1],B: [3,2,1,4,7]为例,画一个dp数组的状态变化,如下:


ad2dd1035e7321354c76fee494285005.jpg


参考代码

#include<bits/stdc++.h>
using namespace std;
int findLength(vector<int>& nums1, vector<int>& nums2) {
  vector<vector<int>> dp(nums1.size()+1,vector<int>(nums2.size()+1,0));//dp定义以及初始化 dp[i][j]:nums1[i-1]结尾的数组和 以nums2[j-1]结尾的数组的 子数组的长度.
  int result = 0;//为啥不用dp[i][j] 表示:nums1[i],nums2[j] 结尾的子数组的最大长度呢?? 因为如果这样的话dp[0][0]=dp[-1][-1]+1了.初始化条件就没法搞了... 
  //递推dp
  for(int i = 1; i <=nums1.size(); i++) {
    for(int j = 1; j<= nums2.size(); j++) {
      if(nums1[i-1]==nums2[j-1]) { //如果 nums1[i-1]和nums2[i-1]相等,则
        dp[i][j] = dp[i-1][j-1] + 1;//当前子数组(以nums1[i-1][j-1])长度 = 之前子数组长度+1
      }
      if(result < dp[i][j]) { //更新result
        result = dp[i][j];
      }
    }
  }
  return result;
}

相关文章
|
2月前
|
Unix Shell Linux
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
本文提供了几个Linux shell脚本编程问题的解决方案,包括转置文件内容、统计词频、验证有效电话号码和提取文件的第十行,每个问题都给出了至少一种实现方法。
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
|
3月前
|
Python
【Leetcode刷题Python】剑指 Offer 32 - III. 从上到下打印二叉树 III
本文介绍了两种Python实现方法,用于按照之字形顺序打印二叉树的层次遍历结果,实现了在奇数层正序、偶数层反序打印节点的功能。
56 6
|
3月前
|
Python
【Leetcode刷题Python】剑指 Offer 26. 树的子结构
这篇文章提供了解决LeetCode上"剑指Offer 26. 树的子结构"问题的Python代码实现和解析,判断一棵树B是否是另一棵树A的子结构。
50 4
|
3月前
|
搜索推荐 索引 Python
【Leetcode刷题Python】牛客. 数组中未出现的最小正整数
本文介绍了牛客网题目"数组中未出现的最小正整数"的解法,提供了一种满足O(n)时间复杂度和O(1)空间复杂度要求的原地排序算法,并给出了Python实现代码。
113 2
|
19天前
|
机器学习/深度学习 人工智能 自然语言处理
280页PDF,全方位评估OpenAI o1,Leetcode刷题准确率竟这么高
【10月更文挑战第24天】近年来,OpenAI的o1模型在大型语言模型(LLMs)中脱颖而出,展现出卓越的推理能力和知识整合能力。基于Transformer架构,o1模型采用了链式思维和强化学习等先进技术,显著提升了其在编程竞赛、医学影像报告生成、数学问题解决、自然语言推理和芯片设计等领域的表现。本文将全面评估o1模型的性能及其对AI研究和应用的潜在影响。
16 1
|
2月前
|
数据采集 负载均衡 安全
LeetCode刷题 多线程编程九则 | 1188. 设计有限阻塞队列 1242. 多线程网页爬虫 1279. 红绿灯路口
本文提供了多个多线程编程问题的解决方案,包括设计有限阻塞队列、多线程网页爬虫、红绿灯路口等,每个问题都给出了至少一种实现方法,涵盖了互斥锁、条件变量、信号量等线程同步机制的使用。
LeetCode刷题 多线程编程九则 | 1188. 设计有限阻塞队列 1242. 多线程网页爬虫 1279. 红绿灯路口
|
3月前
|
索引 Python
【Leetcode刷题Python】从列表list中创建一颗二叉树
本文介绍了如何使用Python递归函数从列表中创建二叉树,其中每个节点的左右子节点索引分别是当前节点索引的2倍加1和2倍加2。
56 7
|
3月前
|
Python
【Leetcode刷题Python】剑指 Offer 30. 包含min函数的栈
本文提供了实现一个包含min函数的栈的Python代码,确保min、push和pop操作的时间复杂度为O(1)。
28 4
|
3月前
|
Python
【Leetcode刷题Python】剑指 Offer 22. 链表中倒数第k个节点
Leetcode题目"剑指 Offer 22. 链表中倒数第k个节点"的Python解决方案,使用双指针法找到并返回链表中倒数第k个节点。
54 5
|
3月前
|
算法 Python
【Leetcode刷题Python】 LeetCode 2038. 如果相邻两个颜色均相同则删除当前颜色
本文介绍了LeetCode 2038题的解法,题目要求在一个由'A'和'B'组成的字符串中,按照特定规则轮流删除颜色片段,判断Alice是否能够获胜,并提供了Python的实现代码。
50 3