代码随想录算法训练营-day52

本文介绍了如何使用动态规划算法求解最长递增子序列(LIS)和最长连续递增序列(LCIS)。通过两段代码展示了分别针对整数数组的LIS和LCIS的解决方案。此外,还提供了一个求解两个数组最长公共子序列(LCS)的动态规划方法。这些算法都以优化的时间复杂度找到序列中的关键属性。

300.最长递增子序列

  1. 学习文章链接:
  2. 思路:见代码
  3. 代码:
class Solution {
    public int lengthOfLIS(int[] nums) {
        int len = nums.length;
        if (len <= 1) return nums.length;
        int[] dp = new int[len];
        Arrays.fill(dp, 1);
        int res = 0;
        for (int i = 1; i < len; i++) {
            for (int j = 0; j < i; j++) {
                if (nums[i] > nums[j]) dp[i] = Math.max(dp[i], dp[j] + 1);
            }
            // 取长的子序列
            if (dp[i] > res) res = dp[i];
        }
        return res;
    }
}

674. 最长连续递增序列

  1. 学习文章链接:
  2. 思路:见代码
  3. 代码:
class Solution {
    public int findLengthOfLCIS(int[] nums) {
        int len = nums.length;
        int result = 1;
        if(len == 0) return 0;
        int[] dp = new int[len];
        Arrays.fill(dp, 1);

        dp[0] = 1;

        for(int i = 1; i < len; i++){
            if(nums[i] > nums[i - 1]){
                dp[i] = dp[i - 1] + 1;
            }
            if(dp[i] > result) result = dp[i];
        }
        return result;
    }
}

  1. 学习文章链接:
  2. 思路:
  3. 代码:
class Solution {
    public int findLength(int[] nums1, int[] nums2) {
        if (nums1.length == 0 || nums2.length == 0) return 0;
        int m = nums1.length;
        int n = nums2.length;
        int[][] dp = new int[m + 1][n + 1];
        int res = 0;
        for (int i = 1; i <= m; i++) {
            for (int j = 1; j <= n; j++) {
                if (nums1[i - 1] == nums2[j - 1]) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }
                if (dp[i][j] > res) res = dp[i][j]; 
            }
        }
        return res;
    }
}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值