请看视频讲解【基础算法精讲 18】
小优化:例如
class Solution:
def lengthOfLongestSubsequence(self, nums: List[int], target: int) -> int:
f = [0] + [-inf] * target
s = 0
for x in nums:
s = min(s + x, target)
for j in range(s, x - 1, -1):
# f[j] = max(f[j], f[j - x] + 1)
# 手写 max 效率更高
if f[j] < f[j - x] + 1:
f[j] = f[j - x] + 1
return f[-1] if f[-1] > 0 else -1
class Solution {
public int lengthOfLongestSubsequence(List<Integer> nums, int target) {
int[] f = new int[target + 1];
Arrays.fill(f, Integer.MIN_VALUE);
f[0] = 0;
int s = 0;
for (int x : nums) {
s = Math.min(s + x, target);
for (int j = s; j >= x; j--) {
f[j] = Math.max(f[j], f[j - x] + 1);
}
}
return f[target] > 0 ? f[target] : -1;
}
}
class Solution {
public:
int lengthOfLongestSubsequence(vector<int> &nums, int target) {
vector<int> f(target + 1, INT_MIN);
f[0] = 0;
int s = 0;
for (int x : nums) {
s = min(s + x, target);
for (int j = s; j >= x; j--) {
f[j] = max(f[j], f[j - x] + 1);
}
}
return f[target] > 0 ? f[target] : -1;
}
};
func lengthOfLongestSubsequence(nums []int, target int) int {
f := make([]int, target+1)
for i := 1; i <= target; i++ {
f[i] = math.MinInt
}
s := 0
for _, x := range nums {
s = min(s+x, target)
for j := s; j >= x; j-- {
f[j] = max(f[j], f[j-x]+1)
}
}
if f[target] > 0 {
return f[target]
}
return -1
}
- 时间复杂度:$\mathcal{O}(n\cdot \textit{target})$,其中
为 的长度。 - 空间复杂度:$\mathcal{O}(\textit{target})$。
- 滑动窗口与双指针(定长/不定长/单序列/双序列/三指针)
- 二分算法(二分答案/最小化最大值/最大化最小值/第K小)
- 单调栈(基础/矩形面积/贡献法/最小字典序)
- 网格图(DFS/BFS/综合应用)
- 位运算(基础/性质/拆位/试填/恒等式/思维)
- 图论算法(DFS/BFS/拓扑排序/最短路/最小生成树/二分图/基环树/欧拉路径)
- 动态规划(入门/背包/状态机/划分/区间/状压/数位/数据结构优化/树形/博弈/概率期望)
- 常用数据结构(前缀和/差分/栈/队列/堆/字典树/并查集/树状数组/线段树)
- 数学算法(数论/组合/概率期望/博弈/计算几何/随机算法)
- 贪心与思维(基本贪心策略/反悔/区间/字典序/数学/思维/脑筋急转弯/构造)
- 链表、二叉树与一般树(前后指针/快慢指针/DFS/BFS/直径/LCA)
欢迎关注 B站@灵茶山艾府