动态规划：最长递增子序列

最新推荐文章于 2026-03-25 19:54:42 发布

原创最新推荐文章于 2026-03-25 19:54:42 发布 · 679 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

算法

当前文章被收录于：

算法

51 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

该博客介绍了一个求解无序整数数组中最长上升子序列长度的问题，使用动态规划的方法，通过遍历数组并更新以每个元素结尾的最长递增子序列长度，最终找出最长的长度。代码实现中，初始化dp数组并将所有值设为1，然后通过两层循环比较当前位置和前一位置的元素，更新dp值。最后找到dp数组中的最大值即为最长上升子序列的长度。这种方法的时间复杂度为O(n^2)。

题目描述

给定一个无序的整数数组，找到其中最长上升子序列的长度。
示例:
输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。
说明:
可能会有多种最长上升子序列的组合，你只需要输出对应的长度即可。
你算法的时间复杂度应该为 O(n^2) 。

代码解析

dp中保存以i位置数字结尾的最长递增子序列

代码

public static void main(String[] args) {
		int[] test= {10,9,2,5,3,7,101,18};
		solve(test);
	}

	private static void solve(int[] test) {
		int[] dp=new int[test.length];
		Arrays.fill(dp, 1);
		//dp表示以为结尾的最长递增子序列
		for (int i = 0; i < dp.length; i++) {
			for (int j = i-1; j >= 0; j--) {
				if(test[j]<test[i]) {
					//取最值是  排除当不选j位出现更大的情况
					dp[i]=max(dp[j]+1,dp[i]);
				}
			}
		}
		
		int res=0;
		for (int i = 0; i < dp.length; i++) {
			res=max(dp[i], res);
		}
		System.out.println(res);
	}

	private static int max(int i, int j) {
		if (i>=j) {
			return i;
		}else {
			return j;
		}
	}