从动态规划到贪心算法:最长递增子序列问题的方法全解析

本文涉及的产品
全局流量管理 GTM,标准版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
云解析 DNS,旗舰版 1个月
简介: 从动态规划到贪心算法:最长递增子序列问题的方法全解析

题型简介

经典例题:300. 最长递增子序列 - 力扣(LeetCode)

最长递增子序列(Longest Increasing subsequence,LIS)是一个经典的问题。最长递增子序列是指在一个序列中,以不下降的顺序连续排列的一系列元素的子序列。这个子序列的长度就是最长递增子序列的长度。

题解代码

虽然注释详细,但与后文解题思路对应食用风味更佳~

#include <iostream>
#include <vector>
 
using namespace std;
 
int lengthOfLIS(vector<int>& nums) 
{
    // 如果输入序列为空,返回 0
    if (nums.empty()) 
    {
        return 0;
    }
 
    // 定义 dp 数组,长度为输入序列的长度
    int dp[nums.size()];
    // 初始化 dp 数组,将所有元素初始化为 1
    for (int i = 0; i < nums.size(); i++) 
    {
        dp[i] = 1;
    }
 
    // 记录最长递增子序列的长度
    int maxn = 1;
 
    // 遍历输入序列,从第 2 个元素开始,因为第一个元素的 dp[0] 一定是 1
    for (int i = 1; i < nums.size(); i++) 
    {
        // 遍历之前的元素,找到满足条件的索引 j
        for (int j = 0; j < i; j++) 
        {
            // 如果当前元素小于之前的元素,并且之前元素的最长递增子序列长度加 1 大于当前元素的最长递增子序列长度
            if ((nums[j] < nums[i]) && (dp[j] + 1 > dp[i])) 
            {
                // 更新当前元素的最长递增子序列长度为之前元素的最长递增子序列长度加 1
                // 因为if条件是nums[j] < nums[i],所以当前i位置的num一定是可以往j位置的数字后拼接作为递增子序列的
                // 所以更新当前i的dp作为新的当前dp[i]
                dp[i] = dp[j] + 1;
            }
        }
 
        // 在与每次遍历完当前i的j后更新的dp[i]与之前的maxn作对比
        // 得到当前最长递增子序列的长度
        if (dp[i] > maxn) 
        {
            maxn = dp[i];
        }
    }
 
    // 返回最长递增子序列的长度
    return maxn;
}
 
int main() 
{
    vector<int> nums = { 10, 9, 2, 5, 3, 7, 101, 18 };
    // 输出:4
    cout << lengthOfLIS(nums) << endl;
 
    return 0;
}

解题思路

1. 贪心策略(Greedy algorithms):

贪心算法的核心是以少博多,以最优解为目标

贪心策略是选择当前未处理元素中最小的元素,将其添加到最长递增子序列的末尾。这种策略的基本思想是尽可能地选择较小的元素,以保证子序列的递增性。

在代码中,我们通过比较当前元素 nums[i] 和之前元素 nums[j]j < i)的大小来更新最长递增子序列的长度。如果 nums[j] < nums[i],并且 dp[j] + 1 > dp[i],我们就选择 nums[j] 作为最长递增子序列的一部分,并更新 dp[i]dp[j] + 1

2. 动态规划(Dynamic programming):

动态规划是一种通过将问题分解为子问题来解决问题的方法。在最长递增子序列问题中,动态规划的基本思想是通过递推公式来计算每个元素的最长递增子序列长度。

在代码中,我们使用了一个长度为 nums.size() 的数组 dp 来存储每个元素的最长递增子序列长度。递推公式为 dp[i] = max(dp[j] + 1, dp[i]),其中 j < i 表示之前的元素。通过递推公式,我们可以逐步计算出每个元素的最长递增子序列长度。

剔骨刀(精细点)

    for (int i = 1; i < nums.size(); i++) 
    {
        for (int j = 0; j < i; j++) 
        {
            if ((nums[j] < nums[i]) && (dp[j] + 1 > dp[i])) 
            {
                dp[i] = dp[j] + 1;
            }
        }
 
        if (dp[i] > maxn) 
        {
            maxn = dp[i];
        }
    }

动态规划问题难点在于它的递推公式理解。

这里的 (nums[j] < nums[i]) && (dp[j] + 1 > dp[i]) 中的 dp[j] 可以当做前面已经在该下标上取得的最长递增子序列的个数,因为if条件(nums[j] < nums[i]) && (dp[j] + 1 > dp[i]),当条件通过时说明当前 i 位置的num一定是可以往j位置的数字后拼接作为递增子序列的,所以dp[j] + 1的意思就是说,只要在if条件内他都可以拼接,但是如果dp[j] + 1都小于dp[i]的话,那么它就不是最长子序列了,不会进行 +1 ,保留原来的 dp[i] 大小。  



目录
相关文章
|
22天前
|
人工智能
歌词结构的巧妙安排:写歌词的方法与技巧解析,妙笔生词AI智能写歌词软件
歌词创作是一门艺术,关键在于巧妙的结构安排。开头需迅速吸引听众,主体部分要坚实且富有逻辑,结尾则应留下深刻印象。《妙笔生词智能写歌词软件》提供多种 AI 功能,帮助创作者找到灵感,优化歌词结构,写出打动人心的作品。
|
28天前
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
41 3
|
23天前
|
人工智能
写歌词的技巧和方法全解析:开启你的音乐创作之旅,妙笔生词智能写歌词软件
怀揣音乐梦想,渴望用歌词抒发情感?掌握关键技巧,你也能踏上创作之旅。灵感来自生活点滴,主题明确,语言简洁,韵律和谐。借助“妙笔生词智能写歌词软件”,AI辅助创作,轻松写出动人歌词,实现音乐梦想。
|
8天前
|
JSON PHP 数据格式
PHP解析配置文件的常用方法
INI文件是最常见的配置文件格式之一。
|
12天前
|
算法 Linux 定位技术
Linux内核中的进程调度算法解析####
【10月更文挑战第29天】 本文深入剖析了Linux操作系统的心脏——内核中至关重要的组成部分之一,即进程调度机制。不同于传统的摘要概述,我们将通过一段引人入胜的故事线来揭开进程调度算法的神秘面纱,展现其背后的精妙设计与复杂逻辑,让读者仿佛跟随一位虚拟的“进程侦探”,一步步探索Linux如何高效、公平地管理众多进程,确保系统资源的最优分配与利用。 ####
46 4
|
13天前
|
缓存 负载均衡 算法
Linux内核中的进程调度算法解析####
本文深入探讨了Linux操作系统核心组件之一——进程调度器,着重分析了其采用的CFS(完全公平调度器)算法。不同于传统摘要对研究背景、方法、结果和结论的概述,本文摘要将直接揭示CFS算法的核心优势及其在现代多核处理器环境下如何实现高效、公平的资源分配,同时简要提及该算法如何优化系统响应时间和吞吐量,为读者快速构建对Linux进程调度机制的认知框架。 ####
|
14天前
|
机器学习/深度学习 人工智能 安全
TPAMI:安全强化学习方法、理论与应用综述,慕工大、同济、伯克利等深度解析
【10月更文挑战第27天】强化学习(RL)在实际应用中展现出巨大潜力,但其安全性问题日益凸显。为此,安全强化学习(SRL)应运而生。近日,来自慕尼黑工业大学、同济大学和加州大学伯克利分校的研究人员在《IEEE模式分析与机器智能汇刊》上发表了一篇综述论文,系统介绍了SRL的方法、理论和应用。SRL主要面临安全性定义模糊、探索与利用平衡以及鲁棒性与可靠性等挑战。研究人员提出了基于约束、基于风险和基于监督学习等多种方法来应对这些挑战。
31 2
|
22天前
|
安全 Java
Java多线程通信新解:本文通过生产者-消费者模型案例,深入解析wait()、notify()、notifyAll()方法的实用技巧
【10月更文挑战第20天】Java多线程通信新解:本文通过生产者-消费者模型案例,深入解析wait()、notify()、notifyAll()方法的实用技巧,包括避免在循环外调用wait()、优先使用notifyAll()、确保线程安全及处理InterruptedException等,帮助读者更好地掌握这些方法的应用。
15 1
|
24天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
9天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。

推荐镜像

更多