力扣-376. 摆动序列

1.题目介绍

题目地址(376. 摆动序列 - 力扣(LeetCode))

https://leetcode.cn/problems/wiggle-subsequence/

题目描述

如果连续数字之间的差严格地在正数和负数之间交替,则数字序列称为 摆动序列 。第一个差(如果存在的话)可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。

  • 例如, [1, 7, 4, 9, 2, 5] 是一个 摆动序列 ,因为差值 (6, -3, 5, -7, 3) 是正负交替出现的。

  • 相反,[1, 4, 7, 2, 5] 和 [1, 7, 4, 5, 5] 不是摆动序列,第一个序列是因为它的前两个差值都是正数,第二个序列是因为它的最后一个差值为零。

子序列 可以通过从原始序列中删除一些(也可以不删除)元素来获得,剩下的元素保持其原始顺序。

给你一个整数数组 nums ,返回 nums 中作为 摆动序列 最长子序列的长度

 

示例 1:

输入:nums = [1,7,4,9,2,5]
输出:6
解释:整个序列均为摆动序列,各元素之间的差值为 (6, -3, 5, -7, 3) 。

示例 2:

输入:nums = [1,17,5,10,13,15,10,5,16,8]
输出:7
解释:这个序列包含几个长度为 7 摆动序列。
其中一个是 [1, 17, 10, 13, 10, 16, 8] ,各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。

示例 3:

输入:nums = [1,2,3,4,5,6,7,8,9]
输出:2

 

提示:

  • 1 <= nums.length <= 1000
  • 0 <= nums[i] <= 1000

 

进阶:你能否用 O(n) 时间复杂度完成此题?

2.题解

2.1 动态规划

思路

这里我们使用动态规划,主要明白子序列可能所处的几种状态,和它的状态转移方程:
1.上升序列up[i], 表示取范围在[0,i]的上升子序列的最大元素个数
2.下降序列down[i],表示取范围在[0,i]的下降子序列的最大元素个数

状态转移方程:
我们先来讨论上升序列情况,由于当前元素nums[i]和nums[i-1]的大小关系,会影响到序列子元素的选择,所以我们分情况来讨论:
1.nums[i] > nums[i-1]
这个时候,up[i]可以由up[i-1]或者down[i-1]转化而来
1)如果对于up[i-1], 由于up[i]最后一个元素可以选择nums[i-1],也可以选择nums[i],但二者不能同时选择,其实是平替关系
即 up[i] = up[i-1];
2)如果对于down[i-1],由于down[i-1]最后一个元素可能不是nums[i-1],而是nums[j],
且存在nums[j] > nums[i]的情况下,所以我们需要讨论一下是否能找出一种匹配情况?
其实很简单,down[i-1]最后一个元素不是nums[i-1],且nums[j] > nums[i] > nums[i-1]
那么我将

最终结果是:
\(\begin{aligned}&up[i]=\begin{cases}up[i-1],&nums[i]\leq nums[i-1]\\\max(up[i-1],down[i-1]+1),&nums[i]>nums[i-1]\end{cases}\\&down[i]=\begin{cases}down[i-1],&nums[i]\geq nums[i-1]\\\max(up[i-1]+1,down[i-1]),&nums[i]<nums[i-1]\end{cases}\end{aligned}\)

代码

  • 语言支持:C++
    C++ Code:

class Solution {
public:
    int wiggleMaxLength(vector<int>& nums) {
        int n = nums.size();
        if(n < 2) return n;
        vector<int> up(n), down(n);
        up[0] = 1; down[0] = 1;
        for(int i = 1; i < n; i++){
            if(nums[i] > nums[i-1]){
                up[i] = max(up[i-1], down[i-1] + 1);
                down[i] = down[i-1];
            }else if(nums[i] < nums[i-1]){
                up[i] = up[i-1];
                down[i] = max(up[i-1] + 1, down[i-1]);
            }else{
                up[i] = up[i - 1];
                down[i] = down[i-1];
            }
        }
        return max(up[n-1], down[n-1]);
    }
};

复杂度分析

令 n 为数组长度。

  • 时间复杂度:\(O(n)\)
  • 空间复杂度:\(O(n)\)
posted @ 2024-06-26 03:07  DawnTraveler  阅读(10)  评论(0编辑  收藏  举报