标签:nums 674 max 递增 int res 序列 复杂度 dp
动态规划
import java.util.Arrays;
class Solution {
public int findLengthOfLCIS(int[] nums) {
/**
* dp[i]定义为以nums[i]结尾的最长连续递增子序列
* 每个数字自己都可以构成一个序列,因此初始化长度都为1
* 因为要连续,所以只和前一个数字比较,一层for循环就够了
*/
int[] dp = new int[nums.length];
Arrays.fill(dp, 1);
int max = 1;
for (int i = 1; i < nums.length; i++) {
if (nums[i] > nums[i - 1]){
dp[i] = dp[i - 1] + 1;
}
max = Math.max(max, dp[i]);
}
return max;
}
}
/**
* 时间复杂度 O(n)
* 空间复杂度 O(n)
*/
贪心
class Solution {
public int findLengthOfLCIS(int[] nums) {
int max = 1;
int res = 1;
/**
* 每次找到连续的子序列,max就加1,然后更新最大的长度res
* 如果遇到了递减,就重置max为1,而上一次的最大值已经更新过了
*/
for (int i = 1; i < nums.length; i++) {
if (nums[i] > nums[i - 1]){
max++;
}
else {
max = 1;
}
res = Math.max(res, max);
}
return res;
}
}
/**
* 时间复杂度 O(n)
* 空间复杂度 O(1)
*/
https://leetcode-cn.com/problems/longest-continuous-increasing-subsequence/
标签:nums,674,max,递增,int,res,序列,复杂度,dp 来源: https://www.cnblogs.com/taoyuann/p/15947822.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。