• 【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
    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]
    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:
    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:

    1. class Solution {
    2. public:
    3. int findNumberOfLIS(vector<int>& nums) {
    4. int n=nums.size();
    5. vector<int>dp(n,1);
    6. vector<int>f(n,1);
    7. int retlength=1;
    8. int retcount=1;
    9. for(int i=1;i
    10. {
    11. //int length=f[0];//0到i-1区间内的最大长度
    12. for(int j=0;j
    13. {
    14. if(nums[j]
    15. {
    16. if(f[j]+1==f[i])dp[i]+=dp[j];
    17. else if(f[j]+1>f[i])
    18. {
    19. dp[i]=dp[j];
    20. f[i]=f[j]+1;
    21. }
    22. }
    23. }
    24. if(retlength==f[i])retcount+=dp[i];
    25. else if(retlength
    26. {
    27. retcount=dp[i];
    28. retlength=f[i];
    29. }
    30. }
    31. return retcount;
    32. }
    33. };

    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
    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] 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:

    1. class Solution {
    2. public:
    3. int findLongestChain(vectorint>>& pairs) {
    4. sort(pairs.begin(),pairs.end());
    5. int n=pairs.size();
    6. vector<int>dp(n,1);
    7. for(int i=1;i
    8. {
    9. for(int j=0;j
    10. {
    11. if(pairs[j][1]0])
    12. dp[i]=max(dp[i],dp[j]+1);
    13. }
    14. }
    15. int ret=1;
    16. for(int i=0;i
    17. ret=max(ret,dp[i]);
    18. return ret;
    19. }
    20. };

  • 相关阅读:
    学习笔记-FRIDA脚本系列(二)
    python--本地时间转UTC时间
    RT-Thread 组件学习
    【JVM故障问题排查心得】「内存诊断系列」JVM内存与Kubernetes中pod的内存、容器的内存不一致所引发的OOMKilled问题总结(上)
    力扣287. 寻找重复数
    ARM汇编之程序状态寄存器传输指令
    动力节点最新Redis7笔记-Redis概述
    kubernetes中Pod调度-Taints污点和污点容忍
    前端UI工具(主要适用于JAVa,layui+easyui+elementui等及UI对比)
    基于opengauss数据库的酒水销售管理系统
  • 原文地址:https://blog.csdn.net/m0_69061857/article/details/134468115