当前位置: 首页 > ds >正文

动态规划:最长递增子序列

给定一个数组,求最长递增子序列的长度,就是要求我们求出一个序列中最长的上升子序列的长度,最长上升子序列的定义就是从原序列中按照孙旭去除一些数字,这些数字是逐渐增大的。

*定义dp[i]表示以第i个元素结尾的最长上升子序列的长度。

*初始时,每个dp[i]的值至少为1,因为每个元素本身就是一个长度为1的上升子序列

*对于每个元素i,我们遍历起前面的所有元素j,如果nums[i] < nums[j],则更新

dp[i] = max(dp[i],dp[j] + 1)

*最终,最长上升子序列的长度就是dp数组中的最大值。

函数逻辑

  1. 输入与边界处理

    • 输入为整数向量 nums

    • 若数组为空(n == 0),直接返回 0。

  2. 动态规划初始化

    • 创建长度为 n 的数组 dp,初始值全为 1。dp[i] 表示以 nums[i] 结尾的最长递增子序列的长度(每个元素自身至少构成长度为 1 的子序列)。

  3. 动态规划递推

    • 外层循环遍历每个元素 nums[i](从第 2 个元素开始)。

    • 内层循环遍历 nums[i] 之前的所有元素 nums[j]j < i)。

    • 若 nums[j] < nums[i],说明可以将 nums[i] 接在 nums[j] 对应的递增子序列后。此时更新 dp[i] 为 max(dp[i], dp[j] + 1),确保 dp[i] 记录当前最长长度。

  4. 返回结果

    • 最终返回 dp 数组中的最大值,即整个数组的最长递增子序列长度。

示例验证

以输入 [10, 9, 2, 5, 3, 7, 101, 18] 为例:

  • dp 数组逐步更新为 [1, 1, 1, 2, 2, 3, 4, 4]

  • 最大值为 4,对应最长递增子序列如 [2, 5, 7, 101]

复杂度分析

  • 时间复杂度:O(n²),两层嵌套循环遍历所有元素对。

  • 空间复杂度:O(n),用于存储 dp 数组。

#include <iostream>
#include <vector>
#include <algorithm> // 用于max_elementusing namespace std;/*** 使用动态规划求最长递增子序列长度* @param nums 输入数组* @return 最长递增子序列的长度*/
int lengthOfLIS(vector<int>& nums) {int n = nums.size();if (n == 0) return 0;// dp[i]表示以nums[i]结尾的最长递增子序列的长度vector<int> dp(n, 1); // 初始化为1,每个元素自身就是一个子序列for (int i = 1; i < n; ++i) {for (int j = 0; j < i; ++j) {if (nums[j] < nums[i]) {// 如果nums[j] < nums[i],则可以扩展子序列dp[i] = max(dp[i], dp[j] + 1);}}}// 返回dp数组中的最大值return *max_element(dp.begin(), dp.end());
}/*** 输出最长递增子序列本身(而不仅仅是长度)* @param nums 输入数组* @return 最长递增子序列*/
vector<int> getLIS(vector<int>& nums) {int n = nums.size();if (n == 0) return {};vector<int> dp(n, 1);vector<int> prev(n, -1); // 用于记录前驱元素索引for (int i = 1; i < n; ++i) {for (int j = 0; j < i; ++j) {if (nums[j] < nums[i] && dp[j] + 1 > dp[i]) {dp[i] = dp[j] + 1;prev[i] = j; // 记录前驱}}}// 找到dp数组中最大值的索引int max_len = 0, max_index = 0;for (int i = 0; i < n; ++i) {if (dp[i] > max_len) {max_len = dp[i];max_index = i;}}// 回溯构建LISvector<int> lis;while (max_index != -1) {lis.push_back(nums[max_index]);max_index = prev[max_index];}reverse(lis.begin(), lis.end()); // 反转得到正确顺序return lis;
}int main() {vector<int> nums = {10, 9, 2, 5, 3, 7, 101, 18};// 计算并输出最长递增子序列长度int length = lengthOfLIS(nums);cout << "最长递增子序列长度: " << length << endl;// 获取并输出最长递增子序列本身vector<int> lis = getLIS(nums);cout << "最长递增子序列: ";for (int num : lis) {cout << num << " ";}cout << endl;return 0;
}

http://www.xdnf.cn/news/5269.html

相关文章:

  • 通俗的桥接模式
  • Kubernetes生产实战(十七):负载均衡流量分发管理实战指南
  • 第三天——贪心算法——区间问题
  • 【Java ee初阶】网络编程 UDP socket
  • 无法更新Google Chrome的解决问题
  • 手写系列——transformer网络完成加法和字符转译任务
  • 【Linux进程控制一】进程的终止和等待
  • CDGP重点知识梳理
  • dropout层
  • [C++类和对象]类和对象的引入
  • 计算机的基本组成
  • 最优化方法Python计算:有约束优化应用——线性Lasso回归分类器
  • 最新CDGP单选题(第一章)补充
  • Etcd 数据存储文件
  • 单片机开发基础与高效流程
  • ECS在游戏服务器中的应用:Java实现与最佳实践
  • SpringAI框架中的RAG知识库检索与增强生成模型详解
  • CNN处理图片
  • 关于 OpenGL 的上下文、线程和共享上下文之间的关系
  • Dive into LVGL (1) —— How LVGL works from top to down
  • 期货反向跟单—数据分析误区(二)盘手排名
  • 60分钟示范课设计-《Python循环语句的奥秘与应用进阶》
  • 第J7周:对于ResNeXt-50算法的思考
  • 网上商城系统
  • 【嵌入式系统设计师(软考中级)】第二章:嵌入式系统硬件基础知识——⑤电源及电路设计
  • 全国青少年信息素养大赛 Python编程挑战赛初赛 内部集训模拟试卷四及详细答案解析
  • 解决librechat 前端界面没有google gemini 2.5模型的选项
  • 【c语言】动态内存管理
  • 各种注解含义及使用
  • 心 光 -中小企实战运营和营销工作室博客