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  
 
 
 以  
 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]  
 信  
 
 
 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:  
 
 
 ⽤  
 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:
class Solution {
public:
    int findNumberOfLIS(vector<int>& nums) {
        int n=nums.size();
        vector<int>dp(n,1);
        vector<int>f(n,1);
        int retlength=1;
        int retcount=1;
        for(int i=1;i<n;i++)
        {
            //int length=f[0];//0到i-1区间内的最大长度
            for(int j=0;j<i;j++)
            {
                if(nums[j]<nums[i])
                {       
                    if(f[j]+1==f[i])dp[i]+=dp[j];
                    else if(f[j]+1>f[i])
                    {
                        dp[i]=dp[j];
                        f[i]=f[j]+1;
                    }
                }  
            }
            if(retlength==f[i])retcount+=dp[i];
                else if(retlength<f[i])
                {
                    retcount=dp[i];
                    retlength=f[i];
                }
        }
       
        return retcount; 
    }
};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  
 
 
 算  
 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]  
 的  
 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:
class Solution {
public:
    int findLongestChain(vector<vector<int>>& pairs) {
        sort(pairs.begin(),pairs.end());
        int n=pairs.size();
        vector<int>dp(n,1);
        for(int i=1;i<n;i++)
        {
            for(int j=0;j<i;j++)
            {
                if(pairs[j][1]<pairs[i][0])
                    dp[i]=max(dp[i],dp[j]+1);
            }
        }
        int ret=1;
        for(int i=0;i<n;i++)
            ret=max(ret,dp[i]);
        return ret;
    }
};


















