标签:ges 列表 lin 空间换时间 复杂度 arc 二分 ref 遍历
给定一个无序的整数数组,找到其中最长上升子序列的长度。
输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是?[2,3,7,101],它的长度是 4。
说明:
进阶: 你能将算法的时间复杂度降低到 O(nlogn) 吗?
第一步,定义状态。设 DP[i] 为第 i 个数时的最长上升子序列的长度。
第二步,设置状态转移方程。对于 DP[i] ,设 j<i 且 a[j]<a[i] ,则 DP[i] 的值为 DP[j] 中的最大值加上一( a[i] 本身),即 DP[i] = max{DP[j]} + 1
。
class Solution(object):
def lengthOfLIS(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
if not nums:
return 0
res = 1
dp = [1 for _ in range(len(nums)+1)]
for i in range(len(nums)):
for j in range(i):
if nums[j] < nums[i]:
dp[i] = max(dp[i], dp[j]+1)
res = max(res, dp[i])
return res
由于是双层循环,所以时间复杂度是 \(O(n^2)\) 。
本题用动态规划时的时间复杂度是 \(O(n^2)\) ,而进阶中要求的将时间复杂度降到 O(nlogn) ,显然不能用动态规划了。
可以利用以空间换时间的思想来解决。第一步,设置一个用来放最长上升子序列的列表 LIS ;第二步,对 nums 进行遍历,将元素 nums[i] 放入 LIS 的可能情况为:对 LIS 进行二分查找,若 nums[i] > LIS[-1] ,则直接加入到 LIS 列表中,否则替换 LIS 中的元素;最后求得 LIS 的长度就是要返回的值。
由于只用了一层循环且二分查找的时间复杂度为 O(logn) ,所以该方法的时间复杂度为 O(nlogn) 。
class Solution(object):
def lengthOfLIS(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
# 二分查找 返回数组索引
def binarySearch (arr, x):
if not arr or len(arr) == 0:
return 0
low = 0
high = len(arr) - 1
while low <= high:
mid = (low + high) // 2
if arr[mid] < x:
low = mid + 1
else:
high = mid - 1
return low
LIS = []
for i in range(len(nums)):
index = binarySearch(LIS, nums[i])
if index == len(LIS):
LIS.append(nums[i])
else:
LIS[index] = nums[i]
return len(LIS)
GitHub地址:https://github.com/protea-ban/LeetCode
标签:ges 列表 lin 空间换时间 复杂度 arc 二分 ref 遍历
原文地址:https://www.cnblogs.com/banshaohuan/p/11508834.html