leetcode 674.最长连续递增序列

### 解题思路 LeetCode 第 674 题的目标是找到给定数组中的最长连续递增子序列的长度。此问题可以通过一次线性扫描来解决，时间复杂度为 O(n)，空间复杂度可以优化到 O(1)[^1]。 #### 关键点分析 - **连续性**：题目强调的是“连续”，因此只需要比较相邻两个元素即可判断是否构成递增关系。 - **动态规划 vs 贪心算法**：虽然可以用动态规划的思想解决问题，但由于只需记录当前的最大值而无需回溯历史状态，贪心策略更为高效[^3]。 --- ### Python 实现 以下是基于贪心算法的 Python 实现： ```python class Solution: def findLengthOfLCIS(self, nums): if not nums: # 如果输入为空，则返回0 return 0 max_len = 1 # 至少有一个元素时，最小长度为1 current_len = 1 # 当前连续递增序列的长度初始化为1 for i in range(1, len(nums)): # 从第二个元素开始遍历 if nums[i] > nums[i - 1]: # 判断当前元素是否大于前一个元素 current_len += 1 # 是则增加当前长度 max_len = max(max_len, current_len) # 更新全局最大长度 else: current_len = 1 # 否则重置当前长度 return max_len # 返回最终结果 ``` 上述代码通过维护 `current_len` 和 `max_len` 来跟踪当前连续递增序列的长度以及整体的最大长度。 --- ### Java 实现 下面是等效的 Java 版本实现： ```java public class Solution { public int findLengthOfLCIS(int[] nums) { if (nums.length == 0) { // 处理边界情况 return 0; } int maxLength = 1; // 初始化最大长度 int currentLength = 1; // 初始化当前长度 for (int i = 1; i < nums.length; i++) { if (nums[i] > nums[i - 1]) { // 若满足递增条件 currentLength++; // 增加当前长度 maxLength = Math.max(maxLength, currentLength); // 更新最大长度 } else { currentLength = 1; // 不满足递增条件时重新计数 } } return maxLength; // 返回结果 } } ``` 该版本逻辑与 Python 类似，但在语法上更贴近 Java 的特性[^4]。 --- ### C++ 实现 对于 C++ 用户，下面是一个高效的解决方案： ```cpp #include <vector> #include <algorithm> // 使用 std::max 函数 using namespace std; class Solution { public: int findLengthOfLCIS(vector<int>& nums) { if (nums.empty()) { // 边界处理 return 0; } int result = 1; // 结果变量 int count = 1; // 当前连续递增序列长度 for (size_t i = 1; i < nums.size(); ++i) { if (nums[i] > nums[i - 1]) { // 检查递增条件 count++; result = max(result, count); } else { count = 1; // 重置计数器 } } return result; // 返回最终结果 } }; ``` 这段代码同样遵循了单次遍历的原则，并利用标准库函数简化了一些操作。 --- ### 小结 三种语言的核心思想一致，均采用了一种简单的线性扫描方式完成任务。这种方法不仅易于理解，而且性能优越，在实际应用中非常实用[^2]。 ---