0673：最长递增子序列的个数（★）

2016-11-03 约 683 字预计阅读 2 分钟次阅读

力扣第 673 题

题目

给定一个未排序的整数数组 nums ， 返回最长递增子序列的个数 。

注意这个数列必须是严格递增的。

示例 1:

输入: [1,3,5,4,7]
输出: 2
解释: 有两个最长递增子序列，分别是 [1, 3, 4, 7] 和[1, 3, 5, 7]。

示例 2:

输入: [2,2,2,2,2]
输出: 5
解释: 最长递增子序列的长度是1，并且存在5个子序列的长度为1，因此输出5。

提示:

1 <= nums.length <= 2000
-10⁶ <= nums[i] <= 10⁶

分析

#1

0300 的升级版，可以先求出 dp[j] 代表结尾位置 j 的最长递增子序列长度。

再令 dp2[j] 代表结尾位置 j 的最长递增子序列长度的个数，则：

dp2[j] = sum(dp2[i] for i in range(j) if nums[i]<nums[j] and dp[i]==dp[j]-1) or 1

最终所有满足 dp[j]==max(dp) 的 dp2[j] 之和即为所求。

1
2
3
4
5
6
7
8


def findNumberOfLIS(self, nums: List[int]) -> int:
    n = len(nums)
    dp, dp2 = [0]*n, [0]*n
    for j in range(n):
        dp[j] = 1+max([dp[i] for i in range(j) if nums[i]<nums[j]], default=0)
        dp2[j] = sum(dp2[i] for i in range(j) if nums[i]<nums[j] and dp[i]==dp[j]-1) or 1
    L = max(dp)
    return sum(dp2[j] for j in range(n) if dp[j]==L)

1380 ms

#2

0300 中能优化 dp 的递推。考虑能否优化 dp2 的递推。

注意到递推 dp2[j] 时，只需要满足 dp[i]==dp[j]-1 的位置 i。

考虑维护 B[x] 代表 dp[i]==x 的所有 <nums[i],dp2[i]>，问题转为求 sum(b for a,b in B[dp[j]-1] if a<nums[j])。然后将 <nums[j],dp2[j]> 添加到 B[dp[j]] 中即可维护 B。

注意到 B[x] 中的第一个元素必然是单调非减的，因此可以二分查找到第一个 pos 满足 B[dp[j]-1][pos][0]<nums[j]，问题转为求 sum(b for _,b in B[dp[j]-1][pos:])。

容易想到维护 B[x] 第二个元素的前缀和，即可快速得到 dp2[j]。

可以将 B 改成三元组，第三个元素维护前缀和即可。进一步的，发现此时第二个元素无用，可以去掉。

B[x][-1][0] 就是长度 x 的递增子序列的最小尾数，因此基于 B 数组即可递推 dp 和 dp2。

解答

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


def findNumberOfLIS(self, nums: List[int]) -> int:
    B = [[(float('inf'), 0), (float('-inf'), 1)]]
    for num in nums:
        self.__class__.__getitem__ = lambda self, x: x==len(B) or B[x][-1][0]>=num
        x = bisect_left(self, True, 0, len(B))
        if x==len(B):
            B.append([(float('inf'), 0)])
        self.__class__.__getitem__ = lambda self, pos: B[x-1][pos][0]<num
        pos = bisect_left(self, True, 0, len(B[x-1])-1)
        B[x].append((num, B[x][-1][1]+B[x-1][-1][1]-B[x-1][pos-1][1]))
    return B[-1][-1][1]

80 ms

目录

0673：最长递增子序列的个数（★）

题目

分析

#1

#2

解答