【算法挨揍日记】day31——673. 最长递增子序列的个数、646. 最长数对链
673. 最长递增子序列的个数
673. 最长递增子序列的个数
题目解析:
给定一个未排序的整数数组 nums
, 返回最长递增子序列的个数 。
注意 这个数列必须是 严格 递增的。
解题思路:
算法思路:
1.
状态表⽰:
先尝试定义⼀个状态:以
i
为结尾的最⻓递增⼦序列的「个数」。那么问题就来了,我都不知道
以
i
为结尾的最⻓递增⼦序列的「⻓度」是多少,我怎么知道最⻓递增⼦序列的个数呢?
因此,我们解决这个问题需要两个状态,⼀个是「⻓度」,⼀个是「个数」:
len[i]
表⽰:以
i
为结尾的最⻓递增⼦序列的⻓度;
count[i]
表⽰:以
i
为结尾的最⻓递增⼦序列的个数。
2.
状态转移⽅程:
求个数之前,我们得先知道⻓度,因此先看
len[i]
:
i.
在求
i
结尾的最⻓递增序列的⻓度时,我们已经知道
[0, i - 1]
区间上的
len[j]
信息,⽤
j
表⽰
[0, i - 1]
区间上的下标;
ii.
我们需要的是递增序列,因此
[0, i - 1]
区间上的
nums[j]
只要能和
nums[i]
构成上升序列,那么就可以更新
dp[i]
的值,此时最⻓⻓度为
dp[j] + 1
;
iii.
我们要的是
[0, i - 1]
区间上所有情况下的最⼤值。
综上所述,对于
len[i]
,我们可以得到状态转移⽅程为:
len[i] = max(len[j] + 1, len[i])
,其中
0 <= j < i
,并且
nums[j] <
nums[i]
。
在知道每⼀个位置结尾的最⻓递增⼦序列的⻓度时,我们来看看能否得到
count[i]
:
i.
我们此时已经知道
len[i]
的信息,还知道
[0, i - 1]
区间上的
count[j]
信
息,⽤
j
表⽰
[0, i - 1]
区间上的下标;
ii.
我们可以再遍历⼀遍
[0, i - 1]
区间上的所有元素,只要能够构成上升序列,并且上
升序列的⻓度等于
dp[i]
,那么我们就把
count[i]
加上
count[j]
的值。这样循
环⼀遍之后,
count[i]
存的就是我们想要的值。
综上所述,对于
count[i]
,我们可以得到状态转移⽅程为:
count[i] += count[j]
,其中
0 <= j < i
,并且
nums[j] < nums[i] &&
dp[j] + 1 == dp[i]
。
3.
初始化:
◦
对于
len[i]
,所有元素⾃⼰就能构成⼀个上升序列,直接全部初始化为
1
;
◦
对于
count[i]
,如果全部初始化为
1
,在累加的时候可能会把「不是最⼤⻓度的情况」累
加进去,因此,我们可以先初始化为
0
,然后在累加的时候判断⼀下即可。具体操作情况看代
码~
4.
填表顺序:
毫⽆疑问是「从左往右」。
5.
返回值:
⽤
manLen
表⽰最终的最⻓递增⼦序列的⻓度。
根据题⽬要求,我们应该返回所有⻓度等于
maxLen
的⼦序列的个数。
解题代码:
class Solution {
public:
int findNumberOfLIS(vector<int>& nums) {
int n=nums.size();
vector<int>dp(n,1);
vector<int>f(n,1);
int retlength=1;
int retcount=1;
for(int i=1;i<n;i++)
{
//int length=f[0];//0到i-1区间内的最大长度
for(int j=0;j<i;j++)
{
if(nums[j]<nums[i])
{
if(f[j]+1==f[i])dp[i]+=dp[j];
else if(f[j]+1>f[i])
{
dp[i]=dp[j];
f[i]=f[j]+1;
}
}
}
if(retlength==f[i])retcount+=dp[i];
else if(retlength<f[i])
{
retcount=dp[i];
retlength=f[i];
}
}
return retcount;
}
};
646. 最长数对链
646. 最长数对链
题目描述:
给你一个由 n
个数对组成的数对数组 pairs
,其中 pairs[i] = [lefti, righti]
且 lefti < righti
。
现在,我们定义一种 跟随 关系,当且仅当 b < c
时,数对 p2 = [c, d]
才可以跟在 p1 = [a, b]
后面。我们用这种形式来构造 数对链 。
找出并返回能够形成的 最长数对链的长度 。
你不需要用到所有的数对,你可以以任何顺序选择其中的一些数对来构造。
解题思路:
算法思路:
这道题⽬让我们在数对数组中挑选出来⼀些数对,组成⼀个呈现上升形态的最⻓的数对链。像不像
我们整数数组中挑选⼀些数,让这些数组成⼀个最⻓的上升序列?因此,我们可以把问题转化成我
们学过的⼀个模型:
300. 最⻓递增⼦序列
。因此我们解决问题的⽅向,应该在「最⻓递增⼦序
列」这个模型上。
不过,与整形数组有所区别。在⽤动态规划结局问题之前,应该先把数组排个序。因为我们在计
算
dp[i]
的时候,要知道所有左区间⽐
pairs[i]
的左区间⼩的链对。排完序之后,只⽤
「往前遍历⼀遍」即可。
1.
状态表⽰:
dp[i]
表⽰以
i
位置的数对为结尾时,最⻓数对链的⻓度。
2.
状态转移⽅程:
对于
dp[i]
,遍历所有
[0, i - 1]
区间内数对⽤
j
表⽰下标,找出所有满⾜
pairs[j]
[1] < pairs[i][0]
的
j
。找出⾥⾯最⼤的
dp[j]
,然后加上
1
,就是以
i
位置为结
尾的最⻓数对链。
3.
初始化:
刚开始的时候,全部初始化为
1
。
4.
填表顺序:
根据「状态转移⽅程」,填表顺序应该是「从左往右」。
5.
返回值:
根据「状态表⽰」,返回整个
dp
表中的最⼤值。
解题代码:
class Solution {
public:
int findLongestChain(vector<vector<int>>& pairs) {
sort(pairs.begin(),pairs.end());
int n=pairs.size();
vector<int>dp(n,1);
for(int i=1;i<n;i++)
{
for(int j=0;j<i;j++)
{
if(pairs[j][1]<pairs[i][0])
dp[i]=max(dp[i],dp[j]+1);
}
}
int ret=1;
for(int i=0;i<n;i++)
ret=max(ret,dp[i]);
return ret;
}
};