关于动态规划【力扣674.最长连续递增序列的思考】

原创 于 2026-07-02 09:20:41 发布 · 395 阅读 · 4 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测

1、与上一题的区别

【力扣300. 最长递增子序列】不需要连续

【力扣674. 最长连续递增序列】需要连续

2、关键思路

起始位置不需要从0开始。

因为本题需要连续的，所以当前元素的状态只会被前一个元素的状态影响，所以不需要一个新的变量 j 来表示这个影响，所以只需要一个变量dp[i]的 i 即可。不像上一题一样【力扣300. 最长递增子序列】，要求的最长递增子序列是不需要连续的，当前元素的状态可能受到前面所有的元素的影响，所以用了第二个变量dp[j]的 j 来表示这个影响，用j遍历一遍从数组下标0到i的元素。本题只需要比较数组下标为 i 和 i-1的元素大小。

【模拟过程如下图所示】

【前一题代码如下图所示】

【本题代码如下图所示】

标签
#动态规划 #leetcode #算法
wabs666
关注
算法训练Day52 动态规划-子序列问题 | LeetCode300.最长递增子序列（和前0-i的状态都有关）；674.最长连续递增序列（只与前一个元素状态有关）；718最长重复子数组（二维dp巧妙）
weixin_47284299的博客
01-02 674
算法训练Day52 动态规划-子序列问题 | LeetCode300.最长递增子序列（和前0-i的状态都有关）；674.最长连续递增序列（只与前一个元素状态有关）；718最长重复子数组（二维dp巧妙）
Day46 | 动态规划 ：线性DP 最长递增子序列&&最长连续递增子序列
m0_74795952的博客
11-15 1283
本次题解参考自灵神的做法，大家也多多支持灵神的题解1.思考回溯法（深度优先遍历）怎么写注意要画树形结构图2.转成记忆化搜索看哪些地方是重复计算的，怎么用记忆化搜索给顶替掉这些重复计算3.把记忆化搜索翻译成动态规划基本就是1:1转换。
LeetCodeb动态规划子序列问题——674.最长连续子序列
w20001118的博客
06-13 784
674. 最长连续递增序列https://leetcode.cn/problems/longest-continuous-increasing-subsequence/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 和 （）确定，如果对于每个 ，都有 ，那么子序列 就是连续递增子序列。。 牢记动态规划五步：1.确定dp数组含义2.确定递推公式3.dp数组初始化4.确定遍历顺序01背包问题：一维dp的遍历，商品放在外循环，背包在内循环，且内
代码随想录算法训练营Day37 | 300.最长递增子序列、674.最长连续递增序列、718.最长重复子数组
最新发布
2401_86818319的博客
12-04 967
dp 数组中 dp[i][0] 和 dp[0][j] 也是无意义的，方便计算），dp[i][j] = dp[i - 1][j - 1] + 1；2. dp[i] = max(dp[i]，dp[j] + 1) ，j 为 0 ~ i - 1，如果 nums[i] > nums[j]，则说明 dp[i] 的值一定是在 dp[j] 的基础上 +1，因为最长递增子序列长度 +1。2. 要求连续的递增子序列，只需要比较 nums[i] 与 nums[i - 1]，而不用去比较 nums[i] 和 nums[j]；
第五十二天| 300.最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组
Adore_master的博客
03-08 720
动态规划dp数组的定义要考虑到各种情况来定义，以及将处理区间逐步增大的思路。
动态规划Day13(子序列问题)
weixin_47455684的博客
01-19 907
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。若nums[i-1]=nums[j-1] 则 dp[i][j] = dp[i-1][j-1]+1。dp[0][I]:nums1[0] 与 nums2[i] 相等则dp[0][i]为1其余 为0。
代码随想录 Day44 动规12 LeetCode T300 最长递增子序列 T674 最长连续递增序列 T718 最长重复子数组
qiuqiushuibx的博客
11-13 398
dp12
代码随想录算法训练营第五十五天 |300.最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组
little_fly的blog
10-11 150
dp[i]表示i之前包括i的以nums[i]结尾的最长递增子序列的长度位置i的最长升序子序列等于j从0到i-1各个位置的最长升序子序列 + 1 的最大值。所以：if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);
代码随想录算法训练营第四十三天|300.最长递增子序列 、674. 最长连续递增序列、718. 最长重复子数组
qq_42493281的博客
06-08 184
思考：从动态规划算法思想出发，dp[i]表示i之前包括i的以nums[i]结尾的最长递增子序列的长度。位置i的最长递增子序列长度等于j从0到i-1各个位置的最长递增子序列长度 + 1 与i位置最长递增子序列长度的最大值。所以：if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1)。每一个i，对应的dp[i]（即最长递增子序列）起始大小至少都是1。i和j采用两层for循环遍历，从左到右。
代码随想录算法训练营第五十二天| 300.最长递增子序列 674. 最长连续递增序列 718. 最长重复子数组
qq_43511039的博客
08-03 324
思路：确定dp数组定义，dp[i]表示从0到i这个区间内最长子序列的长度，他的状态依赖这个区间里子序列的选择，所以递推公式为，dp[i] = max(dp[i], dp[j] + 1)，进行公式递推需要num[i]>num[j]。思路：dp[i][j]表示以num1[i]或者num2[j]结尾的最长重复子序列，他的状态依赖上一个状态，只要num1[i]=num2[j]，dp[i][j] = dp[i-1][j-1] + 1。单层循环即可，只要当前比前一个大即可算是连续，那把上一个状态加上即可。
代碼隨想錄算法訓練營|第五十五天|300.最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组。刷题心得（c++）
RVLIN的博客
10-31 280
讀題 300.最长递增子序列 看完代码随想录之后的想法 思想上很簡單，dp[i]表示i之前的包括i的numbers[i]節尾的最長上升子序列的長度 並且透過兩層迴圈，一層遍歷全部，一層遍歷到i，透過比較當前dp[i]還是dp[j] + 1哪個比較大，來更新動態規劃的dp數組數據。 674. 最长连续递增序列 自己看到题目的第一想法 稍微將300轉一下就好，dp[i] 改為到i之前的最長連續子序列長度為dp[i]，公式轉為假設nums[i] > nums[i - 1] 就將dp[i] 的值
代码随想录算法训练营第52天 | 动态规划 LeetCode300.最长递增子序列，674. 最长连续递增序列，718. 最长重复子数组
weixin_46724054的博客
04-22 167
代码随想录算法训练营第52天 | （考试周）动态规划 LeetCode300.最长递增子序列，674. 最长连续递增序列，718. 最长重复子数组。
代码随想录LeetCode | day52&53 动态规划子序列刷题回顾
weixin_40142386的博客
01-25 261
在子序列问题中，dp[i]的假设很重要。像“最长递增子序列”中的dp[i]为什么要假设为以第i为结尾的最长递增子序列长度？
力扣刷题||L300.最长递增子序列、L674. 最长连续递增序列、L718. 最长重复子数组
liuhuisi20的博客
06-13 96
本题来说，相对于之前来说，就难多了，这里dp数组感觉也是差不多，但是对二维数组思考的有点不对劲，在这里卡哥采用的是对i-1和j-1进行计算，在这里要注意，若发现数组中存在两个值相等，那么就要分别往后退一格，因为这要判断是否当前数的前一个数是否相等。思路：重点了解dp数组含义，如何定义dp数组，在这里定义dp数组为以i为nums[i]结尾的最长递增子序列长度。如果当前nums[i]>nums[j]，那么更新当前值，也就是在nums[j]的基础上再加一个值，整体代码如下。
代码随想录|day52| 动态规划part13● 300.最长递增子序列 ● 674. 最长连续递增序列 ● 718. 最长重复子数组
isabelightL的博客
04-21 389
思考，按照dp[i][j]是以nums1[i-1]、nums2[j-1]为结尾的最长重复子数组的长度这种定义，不应该返回dp[n1-1][n2-1]这种。它的最长递增子序列就不是最后一个元素。所以必须再遍历一遍得到的dp[j]，返回最大值。因为以nums[i]为末尾元素的最长递增子序列至少长度为1.改正之后正确。最长递增子序列是 [2,3,7,101]，因此长度为 4。看了思路之后写的代码，不知道为什么报错了。dp数组的初始化值不应该为0，而应该是1。自己的做法，看了一下思路为贪心。打印的二维数组是对的。
代码随想录训练营第五十二天|300.最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组
weixin_62453859的博客
09-03 279
构建dp数组，dp[i][j]含义是以下标为 i - 1 和 j - 1 为结尾的数组A和B的最长重复子序列，初始化时数组全部初始化为0，这里dp[i][j]的含义就体现了出来，不需要对dp[0][j]和dp[i][0]一个一个初始化。思考：明确本题dp数组含义，dp[i]指的是到下标为i的数组中最长递增子序列个数；因此dp[i]只与dp[i - 1]有关，如果nums[i] > nums[i - 1]，那么dp[i] = dp[i - 1] + 1，并更新result，获得最大的dp[i]；
【LeetCode-by-python】674.最长连续递增序列
weixin_40886892的博客
06-08 1623
题目如下：在思考的过程中，非常不全面，每次都需要提交一下才能知道哪一方面没有考虑没有考虑到的方面如下：（1）未考虑list中元素全一样的情况：用list.count（ ）函数解决，如果list.count( ) = len(list),就说明list中元素一样（2）未考虑list中，有两段以上连续的序列：用flag来记录连续序列的长度，并存入index中，全部遍历完毕，取Max（index）（3）...
【Leetcode】编程实践学习Task02：动态规划
red_velvet_cake的博客
08-22 375
Task 02：动态规划 动态规划 适用条件 动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所消耗的时间远远少于朴素解法。 动态规划主要思想 若要解一个给定问题，我们需要解其不同部分(即子问题)，再根据子问题的解以得出原问题的解。动态规划往往用于优化递归问题，例如斐波那契数列，如果运用递归的方式来求解会重复计算很多相同的子问题，利用动态 规划的思想可以减少计算量。 动态规划法仅仅解决每个子问题一次，具有天然剪枝的功能，从而减少计算量，一旦某个给定子问题的解已经算出，则将其记忆化存储，以
datawhale leetcode 刷题 2 动态规划
qq_38167814的博客
08-23 340
datawhale leetcode 刷题 2 动态规划动态规划主要步骤DP tableleetcode 题目300. 最长上升子序列674. 最长连续递增序列模板总结：5. 最长回文子串516. 最长回文子序列模板总结：72. 编辑距离198. 打家劫舍213. 打家劫舍 II 动态规划 主要步骤 确定动态规划状态 写出状态转移方程（画出状态转移表） 考虑初始化条件 考虑输出状态 考虑对时间，空间复杂度的优化（Bonus） DP table 对我自己， DP table 有一个通用的考虑方式： cla
【AGC005D】~K Perm Counting（计数抽象成图）
2301_77025310的博客
10-01 3927
注意到位置为id，权值为v ,不合法的情况，当且仅当 v = id+k或 v= id-k。dp(i,j,pd)表示考虑到第i号点， 连了j条边，是否有连接i 到 i-1号点。因此，我们把每一个位置和权值抽象成点 ，不合法的情况之间连一条边，可以构成二分图。由此可知，当选了n条边，就恰好n个位置不合法，限制条件是：连的边不能相邻，求出f(m) ，f(m)指代至少有m个位置不合法的方案数。由此总共有2n 个点 k 条链，链与链之间无边 互不干涉。把二分图展开成k条链，进行dp。简单的乘法原理罢了。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值