当前位置：首页 > news >正文

【动态规划】子序列问题

news 来源：原创 2025/8/22 23:04:45

个人主页 ： zxctscl
专栏【C++】、【C语言】、【Linux】、【数据结构】、【算法】
如有转载请先通知

文章目录

前言
1 ==300. 最长递增子序列（经典）==
- 3.1 分析
- 3.2 代码
2 376. 摆动序列
- 2.1 分析
- 2.2 代码
3 673. 最长递增子序列的个数
- 3.1 分析
- 3.2 代码
4 646. 最长数对链
- 4.1 分析
- 4.2 代码
5 1218. 最长定差子序列
- 5.1 分析
- 5.2 代码
6 873. 最长的斐波那契子序列的长度
- 6.1 分析
- 6.2 代码
7 1027. 最长等差数列
- 7.1 分析
- 7.2 代码
8 446. 等差数列划分 II - 子序列
- 8.1 分析
- 8.2 代码

前言

在上一篇有关动态规划的博客中，谈到做这类题目的步骤，有需要的可以点这个链接: 【动态规划】斐波那契额数列模型。继续分享这个模型类型的题目。

1 300. 最长递增子序列（经典）

在这里插入图片描述
子序列中挑选的元素是可以不连续的，但是得保证子序列中元素的出现的相对顺序和原数组中是一致的。
像[a,b,d]就是[a,b,c,d,e]的一个子序列，而[d,a,b]就不是。

3.1 分析

状态表示
dp[i]表示：以i位置为结尾的所有子序列中，最长递增子序列的长度。
状态转移方程
可以分两类，一类是就以i为子序列；
第二类是跟前面元素一起构成子序列，但此时必须是前面的元素小于i，此时条件下再找最长子序列，要想和i组成最长，j也是最长子序列就是dp[j]，再加上1就是最大的子序列。
初始化
把dp表里面所有值初始化为1，就不用考虑为1的情况了。
填表顺序

从左往右

返回值
dp表里最大值

3.2 代码

class Solution {
public:int lengthOfLIS(vector<int>& nums) {int n=nums.size();vector<int> dp(n,1);int ret=1;for(int i=1;i<n;i++){for(int j=0;j<i;j++){if(nums[j]<nums[i]){dp[i]=max(dp[j]+1,dp[i]);}}ret=max(ret,dp[i]);}return ret;}
};

2 376. 摆动序列

在这里插入图片描述

2.1 分析

题目已知，仅有一个元素或者含两个不等元素的序列也视作摆动序列。
在这里插入图片描述

示例二中最长摆动序列长度是7

在这里插入图片描述

状态表示
dp[i]表示：以i位置为结尾的所有的子序列中，最长的摆动序列的长度。
最后一个位置可以分为是下降位置，也开始是上升位置:
此时就细分为两个：
g[i]表示：以i位置为结尾的所有的子序列中，最后一个位置呈现“下降”趋势的最长摆动序列的长度。
f[i]表示：以i位置为结尾的所有的子序列中，最后一个位置呈现“上升”趋势的最长摆动序列的长度。
状态转移方程
f[i]可以分为，以i自己为一类，还可以分为和前面的i-1组合，此时将j设置为（0，i-1）
f是呈现上升趋势的，此时i位置的值是大于i-1位置的，也就是说：nums[j]<nums[i]，此时如果找到以j最后一个位置呈现“下降”趋势的最长的g[j]再加1，但是要的是一个最大值就是max(g[j]+1),f[i])。

g[i]可以分为，以i自己为一类，还可以分为和前面的i-1组合，此时将j设置为（0，i-1）
g是呈现下降趋势的，此时i位置的值是大于i-1位置的，也就是说：nums[j]>nums[i]，此时如果找到以j最后一个位置呈现“上升”趋势的最长的g[j]再加1，但是要的是一个最大值就是max(f[j]+1),g[i])。
在这里插入图片描述

初始化
f表和g表全部初始化为1，就不用考虑长度为1的情况。
填表顺序
从左往右，两个表一起填
返回值
两个表里面的最大值

2.2 代码

class Solution {
public:int wiggleMaxLength(vector<int>& nums) {int n=nums.size();vector<int> g(n,1),f(n,1);int ret=1;for(int i=1;i<n;i++){for(int j=0;j<i;j++){if(nums[i]>nums[j])f[i]=max(f[i],g[j]+1);else if(nums[i]<nums[j])g[i]=max(g[i],f[j]+1);}ret=max(g[i],f[i]);}return ret;}
};

3 673. 最长递增子序列的个数

在这里插入图片描述
如何一次遍历在数组中找到最大值出现的次数？
此时用到贪心，首先可以用两个变量，一个maxval用来记录当前扫描到数组中的最大值，另一个用来记录这个最大值出现的次数。
这时候就会出现三种情况：

在这里插入图片描述

3.1 分析

状态表示
dp[i]表示：以i位置为结尾的所有子序列中，最长递增子序列的个数。

但是此时连最长的子序列多长都不知道，这个状态表示是不够的。

len[i]表示：以i位置为结尾的所有子序列中，最长递增子序列的“长度”。
count[i]表示：以i位置为结尾的所有子序列中，最长递增子序列的“个数”。

状态转移方程
第一步以i位置单独为一个子序列就是1；
第二步遍历[0,i-1]要形成递增子序列就必须是nums[j]<nums[i]，要找到len[j]+1与len[i]中的最大值。

既要找到最长的长度也得找到最长长度出现的次数。
单独一个序列长度就是1；
形成递增序列就必须是nums[j]<nums[i]，此时会出现三种情况：（1）加上i位置能形成最长递增子序列，j元素为结尾能形成count[j]个递增子序列，此时总共就有count[i]+count[j]个递增子序列。（2）加上i位置能形成最长递增子序列，但跟在后面形成的子序列个数比len[i]少，此时就无视。（3）加上i位置能形成最长递增子序列长度会变成，此时就得更新最长的递增子序列，而且得重新计数，因为是用j位置来更新的，所以const[i]就等于count[j]。
在这里插入图片描述

初始化
两个表都初始化为1
填表顺序
从左往右
返回值
贪心策略

在这里插入图片描述

3.2 代码

class Solution {
public:int findNumberOfLIS(vector<int>& nums) {int n=nums.size();vector<int> len(n,1),count(n,1);int retlen=1,retcount=1;for(int i=1;i<n;i++){for(int j=0;j<i;j++){if(nums[j]<nums[i]){if(len[j]+1==len[i])count[i]+=count[j];else if(len[j]+1>len[i])len[i]=len[j]+1,count[i]=count[j];}}if(retlen==len[i])retcount+=count[i];else if(retlen<len[i])retlen=len[i],retcount=count[i];}return retcount;}
};

4 646. 最长数对链

在这里插入图片描述

4.1 分析

要想得到这种形式的数对链，如果考虑以i位置为结尾，那么比i位置小的都在它前面，比它小的都在它后面，就得提前做一下数据的处理，把原数组按照第一个元素排序。
如果[a,b][c,d]是已经按照第一个元素排好序，那么c>=a,而在pair中左边元素始终小于右边元素，也就是说c<d，此时就能得出d>a，所以[a,b]是绝对不能连在[c,d]后面的。
排序就能保证以i位置为结尾的倒数第二个元素就一定在i位置左边。
在这里插入图片描述

状态表示
dp[i]表示以i位置为结尾的所有的数对链中，最长的数对链的长度
状态转移方程
如果就以i位置为结尾构成一个数对链，长度就是1,；
如果i位置和前面位置一起构成数对链，就得满足前面i-1位置pair中右边元素dp[j][1]小于以i位置为结尾pair中左边元素dp[i][0]，这时长度就是dp[j]+1，如果取里面最长的数对链：
初始化
把他们初始化为最差的长度，就都初始化为1
填表顺序
从左往右
返回值
返回里面的最大值

4.2 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);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]=max(dp[j]+1,dp[i]);}}ret=max(dp[i],ret);}return ret;}
};

5 1218. 最长定差子序列

在这里插入图片描述

5.1 分析

状态表示
dp[i]表示以i位置的元素为结尾的所以子序列中，最长的等差子序列长度。
状态转移方程
如果i位置里面的元素是a，倒数第二个元素是b，就是说a-b=diff，此时b=a-diff。
将b分为两种情况：一种如果b不存在，那么只能是a单独构成子序列，长度就为1；另一种如果b存在，只考虑最后一个，因为b存在那么b前面的元素的值至少是大于或者等于b的值，此时长度就是dp[i]=dp[j]+1

在这里插入图片描述

将b的值和dp[j]绑定放在哈希表里，就不用再从前往后遍历，就能直接在哈希表里找到b和dp[j]，能直接更新dp[i]。
直接在哈希表中做动态规划

初始化
以0位置的元素为结尾的所以子序列中，长度就是1。
hash[arr[0]]=1
填表顺序
从左往右
返回值
dp表里面的最大值

5.2 代码

class Solution {
public:int longestSubsequence(vector<int>& arr, int difference) {//创建哈希表unordered_map<int,int>hash;//arr[i]-dp[i]hash[arr[0]]=1;int ret=1;for(int i=1;i<arr.size();i++){hash[arr[i]]=hash[arr[i]-difference]+1;ret=max(ret,hash[arr[i]]);}return ret;}
};

6 873. 最长的斐波那契子序列的长度

二维
在这里插入图片描述

6.1 分析

状态表示
dp[i]表示：以i位置元素为结尾的所有子序列中，最长斐波那契子序列的长度。此时用这个状态表示，就只能知道斐波那契子序列的长度，但并不知道具体的斐波那契数列，所以这个状态表示是不行的。
如果知道斐波那契数列最后面两个数a,b的值，就能知道斐波那契数列前面的数。

dp[i][j]表示以i位置以及j位置为结尾的所有子序列中，最长斐波那契子序列的长度。
此时规定了i<j
状态转移方程
假设j位置存放的是c，i位置值是b。
此时设倒数第三个数下标是k，那么k位置的存放的值就是是c-b

分三种情况，（1）a存在，而且a<b，那么就能将k和i位置的值拿出来，再往前找前面能构成斐波那契数列的值，也就是dp[k][i]，此时长度就是dp[k][i]+1
（2）a存在，但是a在b c之间，不能构成斐波那契数列，但是此时里面有a b两个元素，所以里面的长度就是2
（3）a不存在，就不能构成斐波那契数列，但是此时里面有两个元素，所以里面的长度就是2

优化：
在做动态规划之前，先把值和它们下标绑定，就可以先存到哈希表中，就能直接找到下标

初始化
把表里所有的值都初始为2
填表顺序
从上往下
返回值
返回dp表里面的最大值ret，如果里面没有最长斐波那契子序列，就返回0,否则就返回ret

6.2 代码

class Solution {
public:int lenLongestFibSubseq(vector<int>& arr) {int n = arr.size();unordered_map<int, int>hash;for (int i = 0; i < n; i++){hash[arr[i]] = i;}int ret = 2;vector<vector<int>> dp(n, vector(n, 2));for (int j = 2; j < n; j++)//固定最后一个位置{for (int i = 1; i < j; i++)//固定倒数第二个位置{int a = arr[j] - arr[i];if (hash.count(a) && a < arr[i])dp[i][j] = dp[hash[a]][i] + 1;ret = max(ret, dp[i][j]);}}return ret < 3 ? 0 : ret;}
};

7 1027. 最长等差数列

在这里插入图片描述

7.1 分析

同上面一题类似

状态表示
dp[i]表示：以i位置元素为结尾的所有子序列中，最长等差数列子序列的长度。此时用这个状态表示，就只能知道等差数列子序列的长度，但并不知道具体的等差数列的值，所以这个状态表示是不行的。
如果知道等差数列最后面两个数a,b的值，就能知道等差数列前面的数。

在这里插入图片描述

dp[i][j]表示以i位置以及j位置为结尾的所有子序列中，最长等差数列子序列的长度。
此时规定了i<j

状态转移方程

分三种情况，（1）a存在，而且a<b，那么就能将k和i位置的值拿出来，再往前找前面能构成等差数列的值，也就是dp[k][i]，此时长度就是dp[k][i]+1
（2）a存在，但是a在b c之间，不能构成等差数列，但是此时里面有a b两个元素，所以里面的长度就是2
（3）a不存在，就不能构成等差数列，但是此时里面有两个元素，所以里面的长度就是2

在这里插入图片描述

优化：
有两种方式：
（1）在做dp之前，先把值和它们下标绑定，就可以先存到哈希表中，<元素，下标组>
（2）一边dp，一边保存离他最近的下标元素的下标<元素，下标>
选择第二种方式填表，当i位置填完之后，将i位置的值放入哈希表中即可

初始化
dp表里面初始化为2
填表顺序
有两种填表顺序：
（1）先固定最后一个数j，再枚举倒数第二个数，此时i是一直移动的
（2）先固定倒数第二个数，再枚举最后一个数，这时候i和j同时向后移动一位
返回值
返回dp表中的最大值

7.2 代码

class Solution {
public:int longestArithSeqLength(vector<int>& nums) {unordered_map<int,int> hash;hash[nums[0]]=0;int n = nums.size();vector<vector<int>> dp(n, vector<int>(n, 2));int ret = 2; for (int i = 1; i < n; i++)//固定倒数第二个位置{for (int j = i+1; j < n; j++)//枚举倒数第一个数{int a =  2*nums[i]-nums[j] ;if (hash.count(a))dp[i][j] = dp[hash[a]][i] + 1;ret = max(ret, dp[i][j]);}hash[nums[i]]=i;}return ret ;}};

8 446. 等差数列划分 II - 子序列

在这里插入图片描述

8.1 分析

同上面一题类似，只是这里要找到是等差数列的个数

状态表示
dp[i]表示：以i位置元素为结尾的所有子序列中，等差数列子序列的个数。此时用这个状态表示，就只能知道等差数列子序列的个数，但并不知道具体的等差数列的值，所以这个状态表示是不行的。
如果知道等差数列最后面两个数a,b的值，就能知道等差数列前面的数。

在这里插入图片描述
dp[i][j]表示以i位置以及j位置为结尾的所有子序列中，最长等差数列子序列的长度。
此时规定了i<j

状态转移方程

在这里插入图片描述

优化
在dp之前，将<元素，下标数组>绑定在一起，放在哈希表中

初始化
dp表中值都初始化为0
填表顺序
先固定倒数第一个数，再枚举倒数第二个数
返回值
返回dp表里所有元素的和

8.2 代码

class Solution {
public:int numberOfArithmeticSlices(vector<int>& nums) {int n = nums.size();unordered_map<long long,vector<int>> hash;for(int i=0;i<n;i++)hash[nums[i]].push_back(i);vector<vector<int>> dp(n, vector<int>(n));int sum = 0; for (int j = 2; j < n; j++)//固定倒数第一个位置{for (int i = 1; i< j; i++)//枚举倒数第二个数{long long a =  (long long)2*nums[i]-nums[j] ;if (hash.count(a)){for(auto k:hash[a]){if(k<i)dp[i][j]+=dp[k][i]+1;}}sum+=dp[i][j];}}return sum ;}
};

有问题请指出，大家一起进步！！！

文章目录

前言

1 300. 最长递增子序列（经典）

3.1 分析

3.2 代码

2 376. 摆动序列

2.1 分析

2.2 代码

3 673. 最长递增子序列的个数

3.1 分析

3.2 代码

4 646. 最长数对链

4.1 分析

4.2 代码

5 1218. 最长定差子序列

5.1 分析

5.2 代码

6 873. 最长的斐波那契子序列的长度

6.1 分析

6.2 代码

7 1027. 最长等差数列

7.1 分析

7.2 代码

8 446. 等差数列划分 II - 子序列

8.1 分析

8.2 代码

相关文章：