LeetCode:3177. 求出最长好子序列 II 哈希表+动态规划实现n*k时间复杂度

本文主要是介绍LeetCode:3177. 求出最长好子序列 II 哈希表+动态规划实现n*k时间复杂度，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

3177. 求出最长好子序列 II

题目链接

题目描述

给你一个整数数组 nums 和一个非负整数k 。如果一个整数序列 seq 满足在下标范围 [0, seq.length - 2] 中 最多只有 k 个下标i满足 seq[i] != seq[i + 1] ，那么我们称这个整数序列为好序列。请你返回 nums中好子序列的最长长度。

实例1:

输入：nums = [1,2,1,1,3], k = 2
输出：2
解释：最长的好子序列是 [1,2,1,1] 。

实例2:

输入：nums = [1,2,3,4,5,1], k = 0
输出：2
解释：最长好子序列为 [1,1] 。

题目解析

这道题目是求出最长好子序列 I的升级版，对时间复杂度有了更高的要求。我们在上一篇题解中，给出了时间复杂度为$O(n^2\ast k)$的解法。这次需要将时间复杂度降低到$O(n\ast k)$。

解题思路

这道题目和求出最长好子序列 I的解法类似，也是使用动态规划。

我们同样定义定义dp[i][j]表示以nums[i]结尾，最多有j个下标i 满足seq[i] != seq[i + 1]的子序列的长度。其中,0<=j<=k。

而在上一篇题解中，我们使用了三重循环，来解决问题。

而这次，我们考虑去掉第三重循环。

			for cur := 0; cur < i; cur++ {if nums[i] == nums[cur] {dp[i][j]=max(dp[i][j],dp[cur][j]+1)}else{if(j-1>=0){dp[i][j]=max(dp[i][j],dp[cur][j-1]+1)}}}

我们看到，循环中只需考虑两种情况

• 数字i之前有数字和nums[i]相同
• 数字i之前有数字和nums[i]不同，且j大于0

因此我们使用哈希表lastPos := make(map[int]int) 用于记录和nums[i]相同的数字最后出现的位置。
用lastMax := make([]int, k+1) 用于记录不同列的当前最大取值,即dp[cur][j-1]的最大值，其中0 <=cur<i

• 数字i之前有数字和nums[i]相同,则dp[i][j]=max(dp[i][j],dp[lastPos[nums[i]]][j]+1)
• 数字i之前有数字和nums[i]不同，且j大于0,则dp[i][j]=max(dp[i][j],lastMax[j-1]+1)

代码实现

Go版本：

func maximumLength(nums []int, k int) int {n := len(nums)dp := make([][]int, n)for i := range dp {dp[i] = make([]int, k+1)}res := 0lastPos := make(map[int]int) // 用于记录每个数字的最后出现位置lastMax := make([]int, k+1)  // 用于记录第 j 列的最大值lastNew := make([]int, k+1)  // 用于临时保存本轮计算中的最大值for i := 0; i < n; i++ {dp[i][0] = 1// 在每次外循环开始时，重置 lastNew 为 lastMax 的当前状态copy(lastNew, lastMax)for j := 0; j <= k && j <= i; j++ {// 如果数字之前出现过，更新 dp[i][j] 的值if pos, found := lastPos[nums[i]]; found {dp[i][j] = max(dp[i][j], dp[pos][j]+1)}// 如果允许更多的 k，考虑使用 lastMax[j-1]if j > 0 {dp[i][j] = max(dp[i][j], lastMax[j-1]+1)}// 更新 lastNew 和最终结果lastNew[j] = max(lastNew[j], dp[i][j])res = max(res, dp[i][j])}// 外循环结束时，将 lastMax 更新为本轮的 lastNewcopy(lastMax, lastNew)// 更新当前数字最后一次出现的位置lastPos[nums[i]] = i}return res
}

C++版本：

class Solution {
public:int maximumLength(vector<int>& nums, int k) {int n=nums.size();vector<vector<int>> dp(n,vector<int>(k+1,0));int res=0;vector<int> lastMax(k+1,0);vector<int> lastTemp(k+1, 0);unordered_map<int,int> lastPos;for(int i=0;i<n;i++){dp[i][0]=1;for(int j=0;j<=k;j++){if(lastPos.count(nums[i])){dp[i][j]=max(dp[i][j],dp[lastPos[nums[i]]][j]+1);}if(j>0){dp[i][j]=max(dp[i][j],lastMax[j-1]+1);}lastTemp[j]=max(lastTemp[j],dp[i][j]);res=max(res,dp[i][j]);}lastPos[nums[i]]=i;lastMax=lastTemp;}return res;}
};

Python版本：

class Solution(object):def maximumLength(self, nums, k):n = len(nums)dp = [[0] * (k + 1) for _ in range(n)]res = 0last_max = [0] * (k + 1)last_temp = [0] * (k + 1)last_pos = {}for i in range(n):dp[i][0] = 1for j in range(k + 1):if nums[i] in last_pos:dp[i][j] = max(dp[i][j], dp[last_pos[nums[i]]][j] + 1)if j > 0:dp[i][j] = max(dp[i][j], last_max[j - 1] + 1)last_temp[j] = max(last_temp[j], dp[i][j])res = max(res, dp[i][j])last_pos[nums[i]] = ilast_max = last_temp[:]return res

这篇关于LeetCode:3177. 求出最长好子序列 II 哈希表+动态规划实现n*k时间复杂度的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---