目录
注意本题还有一种动态规划的解决方法,贪心的方法就是从动态规划的方法总结而来,各位可以移步博主的另一篇博客先了解一下: 动态规划-子序列问题------300.长递增子序列

1.题目解析
题目来源
|-----------------------------------------------------------------------------------------------------------|
| 300.最长递增子序列------力扣 |

测试用例

2.算法原理

贪心思路

具体算法

此时的时间复杂度是O(N^2),与动态规划一样,那么我们就需要继续优化,这里插入dp表后判断插入位置可以使用二分查找来进行优化,优化后时间复杂度就是O(N*logN)
3.实战代码
cpp
class Solution
{
public:
int lengthOfLIS(vector<int>& nums)
{
int n = nums.size();
vector<int> dp;
dp.push_back(nums[0]);
for(int i = 1;i < n;i++)
{
if(nums[i] > dp.back())
{
dp.push_back(nums[i]);
}
else
{
int left = 0,right = dp.size();
while(left < right)
{
int mid = (left + right) >> 1;
if(nums[i] > dp[mid]) left = mid + 1;
else right = mid;
}
dp[left] = nums[i];
}
}
return dp.size();
}
};
代码解析
