动态规划 之 子序列系列 算法专题

一. 最长递增子序列

最长递增子序列

  1. 状态表示
    dp[i] 表示以i位置为结尾, 最长的递增子序列
  2. 状态转移方程
    1.如果以i位置为开头 那么长度为1
    2.如果以i位置结尾, 由于不知道从前面哪一个位置取子序列, 所以要定义一个j(0 <= j <= i - 1), 找到以j位置结尾的所有子序列中, 最长的, 即dp[j]
  • dp[i] = dp[j] + 1
  1. 初始化
    可以先全部初始化为1
  2. 填表顺序
    从左往右
  3. 返回值
    返回dp表中的最大值
java 复制代码
class Solution {
    public int lengthOfLIS(int[] nums) {
        int n = nums.length;
        int[] dp = new int[n];
        Arrays.fill(dp, 1);
        int ret = 1;
        for(int i = 1; i < n; i++){
            int max = 1;
            for(int j = 0; j < i; j++){
                if(nums[j] < nums[i]){
                    dp[i] = Math.max(dp[j] + 1, dp[i]);
                }
            } 
            ret = Math.max(dp[i], ret);
        }
        return ret;
    }
}

二. 摆动序列

摆动序列

  1. 状态表示
    f[i] 表示以i位置为结尾, 最后呈"上升"趋势最长的摆动序列
    g[i] 表示以i位置为结尾, 最后呈"下降"趋势最长的摆动序列
  2. 状态转移方程
    1.如果以i位置为开头 那么长度为1
    2.如果以i位置结尾, 由于不知道从前面哪一个位置取子序列, 所以要定义一个j(0 <= j <= i - 1), 找到以j位置结尾的所有子序列中, 最长的, 即dp[j]
    if(nums[j] < nums[i]){
    f[i] = Math.max(g[j] + 1, f[i]);
    }else if(nums[j] > nums[i]){
    g[i] = Math.max(f[j] + 1, g[i]);
    }
  3. 初始化
    可以先全部初始化为1
  4. 填表顺序
    从左往右
  5. 返回值
    返回dp表中的最大值
java 复制代码
class Solution {
    public int wiggleMaxLength(int[] nums) {
        int n = nums.length;
        int[] f = new int[n];
        int[] g = new int[n];
        Arrays.fill(f, 1);
        Arrays.fill(g, 1);
        int ret = 1;
        for(int i = 1; i < n; i++){
            for(int j = 0; j < i; j++){
                if(nums[j] < nums[i]){
                    f[i] = Math.max(g[j] + 1, f[i]);
                }else if(nums[j] > nums[i]){
                    g[i] = Math.max(f[j] + 1, g[i]);
                }
                ret = Math.max(ret, Math.max(f[i], g[i]));
            }
        }
        return ret;
    }
}

三. 最长数对链

最长数对链

前置处理: 为了保证使用动态规划, 填表顺序是从左往右, 所以要先对数组进行排序, 只需要根据第一个数进行排序即可, 保证选择i位置时, 不会选到i后面的位置

  1. 状态表示
    dp[i] 表示以i位置为结尾, 最长数对链
  2. 状态转移方程
    1.如果以i位置为开头 那么长度为1
    2.如果以i位置结尾, 由于不知道从前面哪一个位置取子序列, 所以要定义一个j(0 <= j <= i - 1), 找到以j位置结尾的所有子序列中, 最长的, 即dp[j]
  • dp[i] = dp[j] + 1
  1. 初始化
    可以先全部初始化为1
  2. 填表顺序
    从左往右
  3. 返回值
    返回dp表中的最大值
java 复制代码
class Solution {
    public int findLongestChain(int[][] pairs) {
        Arrays.sort(pairs, (a, b) -> a[0] - b[0]);
        int n = pairs.length;
        int[] dp = new int[n];
        Arrays.fill(dp, 1);
        int ret = 1;
        for(int i = 1; i < n; i++){
            for(int j = 0; j < i; j++){
                if(pairs[j][1] < pairs[i][0]){
                    dp[i] = Math.max(dp[i], dp[j] + 1);
                }
                ret = Math.max(dp[i], ret);
            }
        }
        return ret;
    }
}

四. 最长定差子序列

最长定差子序列

  1. 状态表示
    dp[i] 表示以i位置为结尾, 最长定差子序列
  2. 状态转移方程
    1.如果以i位置为开头 那么长度为1
    2.如果以i位置结尾, 由于不知道从前面哪一个位置取子序列, 所以要定义一个j(0 <= j <= i - 1), 找到以j位置结尾的所有子序列中, 最长的, 即dp[j]
    只需要找到在前面中, 大小为arr[i] - difference 即可, 并且由于找的值是固定的, 那么我们只需要找到前面的其中一个即可

所以我们可以将dp表放在hash表中

  1. 初始化
    可以先全部初始化为1(在写代码时有技巧)
  2. 填表顺序
    从左往右
  3. 返回值
    返回dp表中的最大值
java 复制代码
class Solution {
    public int longestSubsequence(int[] arr, int difference) {

        //创建一个hash表, 在hash表中做dp
        Map<Integer, Integer> hash = new HashMap<>();//arr[i], dp[i]
        int ret = 1;
        for(int a : arr){
            hash.put(a, hash.getOrDefault(a - difference, 0) + 1);
            ret = Math.max(ret, hash.get(a));
        }
        return ret;
        //下面的方法超时
        // int n = arr.length;
        // int[] dp = new int[n];
        // Arrays.fill(dp, 1);
        // int ret = 1;
        // for(int i = 1; i < n; i++){
        //     for(int j = 0; j < i; j++){
        //         if(arr[i] - arr[j] == difference){
        //             dp[i] = Math.max(dp[i], dp[j] + 1);
        //         }
        //         ret = Math.max(ret, dp[i]);
        //     }
        // }
        // return ret;
    }
}

五. 最长的斐波那契子序列的长度

最长的斐波那契子序列的长度

  1. 状态表示

    dp[i] 表示以i位置为结尾, 最长斐波那契子序列的长度, 这样我们并不知道前面两个数是谁, 所以我们可以固定两个位置, 以i和j位置为结尾, 这样就可以找到k位置

  2. 状态转移方程

    如果找到k位置, 并且这个位置在i, j的前面, 那么dp[i][j] = dp[k][i] + 1

因为要频繁查找k的位置, 可以将arr中下标和值的映射关系放在hash表中

  1. 初始化
    可以先全部初始化为2
  2. 填表顺序
    从上往下
  3. 返回值
    返回dp表中的最大值, 但是如果找不到斐波那契序列, 那么应该返回0
java 复制代码
class Solution {
    public int lenLongestFibSubseq(int[] arr) {
        int n = arr.length;
        Map<Integer, Integer> hash = new HashMap<>();
        for(int i = 0; i < n; i++){
            hash.put(arr[i], i);
        } 
        int ret = 2;
        int[][] dp = new int[n][n];
        for(int i = 0; i < n; i++){
            for(int j = 0; j < n; j++){
                dp[i][j] = 2;
            }
        }

        for(int i = 2; i < n; i++){
            for(int j = 1; j < i; j++){
                int a = arr[i] - arr[j];
                if(a < arr[j] && hash.containsKey(a))
                    dp[j][i] = dp[hash.get(a)][j] + 1;
                ret = Math.max(dp[j][i], ret);
            }
        }

        return ret == 2 ? 0 : ret;
    }
}
相关推荐
罗西的思考31 分钟前
[2W字长文] 探秘Transformer系列之(23)--- 长度外推
人工智能·算法
算AI19 小时前
人工智能+牙科:临床应用中的几个问题
人工智能·算法
hyshhhh21 小时前
【算法岗面试题】深度学习中如何防止过拟合?
网络·人工智能·深度学习·神经网络·算法·计算机视觉
杉之1 天前
选择排序笔记
java·算法·排序算法
烂蜻蜓1 天前
C 语言中的递归:概念、应用与实例解析
c语言·数据结构·算法
OYangxf1 天前
图论----拓扑排序
算法·图论
我要昵称干什么1 天前
基于S函数的simulink仿真
人工智能·算法
AndrewHZ1 天前
【图像处理基石】什么是tone mapping?
图像处理·人工智能·算法·计算机视觉·hdr
念九_ysl1 天前
基数排序算法解析与TypeScript实现
前端·算法·typescript·排序算法
守正出琦1 天前
日期类的实现
数据结构·c++·算法