动态规划之最长递增子序列

300. 最长递增子序列

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

题解：

dp[i] 表示当前元素的递增子集个数

• 元素 1: 因为没有比它小的元素，所以递增子集数为 1
• 元素 7：递增子集有：1、 17 即 1 + dp[0]
• 元素 2：递增子集有：因为 7 比 2 大，所以只有 1、 12，即 1 + dp[0]
• 元素 5：递增子集有：1 、 15、 125，即 1 + dp[2]
• 如此类推就能推出 dp[i]

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        n = len(nums)
        if n == 1:
            return 1

        dp = [1] * n

        res = 1
        for i in range(n):
            for j in range(i):
                # 当前元素与它之前所有的元素进行比较，若之前元素比当前元素大，则跳过不考虑，只需要考虑比它小的即可
                if nums[i] > nums[j]:
                    dp[i] = max(dp[j] + 1, dp[i])

            res = max(res, dp[i])

        return res

参考：【算法太难了】【23】最长递增子序列-动态规划