Longest Increasing Subsequence
描述
Given an unsorted array of integers, find the length of longest increasing subsequence.
For example,
Given [10, 9, 2, 5, 3, 7, 101, 18],
The longest increasing subsequence is [2, 3, 7, 101], therefore the length is 4. Note that there may be more than one LIS combination, it is only necessary for you to return the length.
Your algorithm should run in O(n^2) complexity.
Follow up: Could you improve it to O(n log n) time complexity?
解法 1 动规
这是一个多阶段决策问题，求最长，是一个最优化问题。先判断它是否满足动规的两个性质，对于题中的例子，
[10, 9, 2, 5, 3, 7, 101, 18]的答案，必然包含子问题[10, 9, 2, 5, 3, 7]的答案，即本题具有最优子结构性质[10, 9, 2, 5, 3, 7, 101, 18]和[10, 9, 2, 5, 3, 7]都依赖[10, 9, 2, 5, 3]这个子问题，即本题具有重叠子问题性质
因此本题可以用动规来解决。
最重要的是要定义出状态转移方程。一个递增子序列，肯定是有首尾两个端点的，假设f[i]表示以第i个元素为起点的最长递增子序列，那么 f[i]和f[j]之间没有必然联系，这个函数定义不好用。
假设f[j]表示以第j个元素为终点的最长递增子序列，那么如果i<j且nums[i]<nums[j]，则f[i]一定是f[j]的前缀，这个函数定义能表示子问 题之间的关系。
以j元素为终点的最长递增子序列，长度起码为1，因为最起码可以有一个j元素，单元素序列，就是本题的原子问题。
综上，可得状态转移方程为：
有了状态转移方程，代码就不难写了。
- Python
- Java
- C++
// Longest Increasing Subsequence
// 时间复杂度O(n^2)，空间复杂度O(n)
public class Solution {
public int lengthOfLIS(int[] nums) {
if (nums == null || nums.length == 0) return 0;
int[] dp = new int[nums.length];
Arrays.fill(dp, 1); // base case
int global = 1;
for (int j = 1; j < nums.length; ++j) {
for (int i = 0; i < j; ++i) {
if (nums[i] < nums[j]) {
dp[j] = Math.max(dp[j], dp[i] + 1);
}
}
global = Math.max(global, dp[j]);
}
return global;
}
}
// Longest Increasing Subsequence
// 时间复杂度O(n^2)，空间复杂度O(n)
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
if (nums.empty()) return 0;
vector<int> dp(nums.size(), 1);
for (int j = 1; j < nums.size(); ++j) {
for (int i = 0; i < j; ++i) {
if (nums[i] < nums[j]) {
dp[j] = max(dp[j], dp[i] + 1);
}
}
}
return *std::max_element(dp.begin(), dp.end());
}
};
# Longest Increasing Subsequence
# 时间复杂度O(n^2)，空间复杂度O(n)
def lengthOfLIS(nums):
if not nums:
return 0
dp = [1] * len(nums) # base case
global_max = 1
for j in range(1, len(nums)):
for i in range(j):
if nums[i] < nums[j]:
dp[j] = max(dp[j], dp[i] + 1)
global_max = max(global_max, dp[j])
return global_max
解法 2 Insert Position
本题最后有一个进阶问题，能不能O(n log n) 解决？
维护一个单调递增序列，遍历数组，二分查找每一个数在单调序列中的位置，然后替换之。
这个算法不需要掌握，面试中几乎用不到，掌握动规解法就够了。
- Java
- C++
// Longest Increasing Subsequence
// 时间复杂度O(nlogn)，空间复杂度O(n)
public class Solution {
public int lengthOfLIS(int[] nums) {
ArrayList<Integer> lis = new ArrayList<>();
for (int x : nums) {
int insertPos = lowerBound(lis, 0, lis.size(), x);
if (insertPos >= lis.size()) {
lis.add(x);
} else {
lis.set(insertPos, x);
}
}
return lis.size();
}
private static int lowerBound (ArrayList<Integer> A,
int first, int last, int target) {
while (first != last) {
int mid = first + (last - first) / 2;
if (target > A.get(mid)) first = ++mid;
else last = mid;
}
return first;
}
}
// Longest Increasing Subsequence
// 时间复杂度O(nlogn)，空间复杂度O(n)
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
vector<int> lis;
for (auto x : nums) {
int insertPos = lower_bound(lis, 0, lis.size(), x);
if (insertPos >= lis.size()) {
lis.push_back(x);
} else {
lis[insertPos] = x;
}
}
return lis.size();
}
int lower_bound (const vector<int>& A, int first, int last, int target) {
while (first != last) {
int mid = first + (last - first) / 2;
if (target > A[mid]) first = ++mid;
else last = mid;
}
return first;
}
};
# Longest Increasing Subsequence
# 时间复杂度O(nlogn)，空间复杂度O(n)
class Solution:
def lengthOfLIS(self, nums: list[int]) -> int:
lis = []
for x in nums:
insert_pos = self.lower_bound(lis, 0, len(lis), x)
if insert_pos >= len(lis):
lis.append(x)
else:
lis[insert_pos] = x
return len(lis)
def lower_bound(self, A: list[int], first: int, last: int, target: int) -> int:
while first != last:
mid = first + (last - first) // 2
if target > A[mid]:
first = mid + 1
else:
last = mid
return first