LeetCode 300 最长递增子序列 HERODING的LeetCode之路

给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

示例 1：

输入：nums = [10,9,2,5,3,7,101,18]
输出：4
解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

示例 2：

输入：nums = [0,1,0,3,2,3]
输出：4

示例 3：

输入：nums = [7,7,7,7,7,7,7]
输出：1

提示：

1 <= nums.length <= 2500
-104 <= nums[i] <= 104

进阶：

你可以设计时间复杂度为 O(n2) 的解决方案吗？
你能将算法的时间复杂度降低到 O(n log(n)) 吗?

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/longest-increasing-subsequence
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

解题思路：
这是一道经典的动态规划题，众所周知，动态规划的关键在于构建状态转移方程，分析可知，每遍历到一个位置，如果该位置的数大于该位置之前的某个数，那么最长严格递增序列为某数位置的最长序列长度 +1 即可，这就是整个题解的关键，一旦理解了接下来就是顺水推舟的事了，代码如下：

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int len = nums.size();
        // 如果数组大小为0
        if(len == 0) {
            return 0;
        }
        // 定义dp数组
        vector<int> dp(len, 0);
        int max_len = 1;
        for(int i = 0; i < len; i ++) {
            dp[i] = 1;
            for(int j = 0; j < i; j ++) {
                // 如果当前的数比之前遍历的数要大
                if(nums[i] > nums[j]) {
                    // 更新以i位置数结尾的序列最大值
                    dp[i] = max(dp[i], dp[j] + 1);
                }
            }
            // 更新最大长度
            max_len = max(max_len, dp[i]);
        }
        return max_len;
    }
};


/*作者：heroding
链接：https://leetcode-cn.com/problems/longest-increasing-subsequence/solution/cdong-tai-gui-hua-xiang-jie-mang-cai-yi-fokev/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。*/