LeetCode 300. 最长递增子序列

LeetCode 300. 最长递增子序列

这道题可以说多次出现在了我的刷题生涯当中。依据我的个人经验，从本科的时候备战蓝桥杯、备战天梯赛，到如今刷 LeetCode 准备面试，最长递增子序列一定是 DP 当中绕不开的一道题。

我发现这道题尽管做过很多次，甚至整理过很多次，但是每一次重新打开这道题目的时候，都需要再看一遍上次解题的思路才能顺利做出来，看一眼之前的代码片便恍然大悟，遂通过本文对这道题目的所用到的 DP 思想进行详细的整理。

题目描述

题目描述不需要过多赘述了，一个简单的例子是：

1 0 2 0 3 0 108 9

这个序列的最长递增子序列的长度是4，可能的最长递增子序列包括[1, 2, 3, 108]和[1, 2, 3, 9]。

思路

使用 DP 来解决这个问题。

具体来说，需要开一个一维数组，数组当中每个位置的值，也就是 DP 每一位的状态，表示的就是到这个数位为止最长递增子序列的长度。

那么我们应该如何维护这个状态呢？

其实很简单，比如对于 1 0 2 0 3 0 108 9 这个例子，当我们维护到 108 这个数对应位置的状态时，直接从头开始遍历数组直到这个位置，假设当前这个位置的下标为 i，使用 j 表示遍历数组的移动下标，那么当前位置的 DP 数组状态为 dp[i] = max(dp[i], dp[j] + 1)。原因是当前位置的最长递增子序列的长度要么是自己本身，要么是前面那个比当前位置更小的数加上一。

最后找到 DP 数组当中的最大元素就是最终的答案。

C++ 代码

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int n = nums.size();
        vector<int> dp(n, 0);

        for(int i=0; i<n; i++) {
            dp[i] = 1;
            for(int j=0; j<i; j++) {
                if(nums[j] < nums[i]) {
                    dp[i] = max(dp[i], dp[j] + 1);
                }
            }
        }

        return *max_element(dp.begin(), dp.end());
    } 
};