网站开发项目经验描述seo关键词优化

300. 最长递增子序列：

题目链接
给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列 是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

示例 :

输入：nums = [10,9,2,5,3,7,101,18]
输出：4
解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

解答：

class Solution {public int lengthOfLIS(int[] nums) {int[] dp = new int[nums.length];Arrays.fill(dp, 1);int max = 1;for (int i = 1; i < dp.length; i++) {for (int j = 0; j < i; j++) {if (nums[i] > nums[j]) {dp[i] = Math.max(dp[i], dp[j] + 1);}max = Math.max(max, dp[i]);}}return max;}
}

算法总结：

本题因为涉及两层递归，外层的递归，和内层的递归（存在每个元素并不是相邻的情况），则我们在循环遍历的时候应该考虑两层循环，并判断nums[i] > nums[j]的情况即可。

674. 最长连续递增序列：

题目链接
给定一个未经排序的整数数组，找到最长且 连续递增的子序列，并返回该序列的长度。

连续递增的子序列 可以由两个下标 l 和 r（l < r）确定，如果对于每个 l <= i < r，都有 nums[i] < nums[i + 1] ，那么子序列 [nums[l], nums[l + 1], …, nums[r - 1], nums[r]] 就是连续递增子序列。

示例 :

输入：nums = [1,3,5,4,7]
输出：3
解释：最长连续递增序列是 [1,3,5], 长度为3。
尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的，因为 5 和 7 在原数组里被 4 隔开。

解答：

class Solution {public int findLengthOfLCIS(int[] nums) {int[] dp = new int[nums.length];dp[0] = 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]);}else{dp[i] = 1;}}return max;}
}

算法总结：

本题因为是连续递增的序列，所以相比于上一题要更简单一些，我们可以直接使用dp的值和max的值对最大值进行一个记录即可。

718. 最长重复子数组：

题目链接
给两个整数数组 nums1 和 nums2 ，返回 两个数组中 公共的 、长度最长的子数组的长度 。

示例 :

输入：nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
输出：3
解释：长度最长的公共子数组是 [3,2,1] 。

解答：

class Solution {public int findLength(int[] nums1, int[] nums2) {int result = 0;int[][] dp = new int[nums1.length + 1][nums2.length + 1];for (int i = 1; i < nums1.length + 1; i++) {for (int j = 1; j < nums2.length + 1; j++) {if (nums1[i - 1] == nums2[j - 1]) {dp[i][j] = dp[i - 1][j - 1] + 1;result = Math.max(result, dp[i][j]);}}}return result;}
}

算法总结：

本题是两个数组，同时考虑重复的问题，则我们可以使用一个二维dp数组，存储每一种数组组合的情况，则有int[][] dp = new int[nums1.length + 1][nums2.length + 1];循环遍历正好是i和j的for循环遍历。