动态规划 最长递增子序列

题目

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。

状态转移方程

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

dp[i] 表示以i结尾的严格递增子序列的最大长度。由定义可知，只要nums[i]大于之前任意的nums[j]，dp[i]=dp[j] + 1，因为dp[i]有最大含义所以

Base

由状态转移方程可知

dp[0] = 1

答案

class Solution {
    public int lengthOfLIS(int[] nums) {
        if (nums.length == 0) {
            return 0;
        }
        int[] dp = new int[nums.length];
        dp[0] = 1;
        // 这里是因为，根据dp定义，任何dp都应该 >= 1
        Arrays.fill(dp, 1);
        for (int i = 0; i < dp.length; i++) {
            for (int j = 0; j < i; j++) {
                if  (nums[i] > nums[j]) {
                    dp[i] = Math.max(dp[i], dp[j] + 1);
                }
            }
        }
        int result = 1;
        for (int i = 0; i < dp.length; i++) {
            result = Math.max(result, dp[i]);
        }

        return result;
    }
}