力扣 300. 最长递增子序列

题目描述

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
• -10^4 <= nums[i] <= 10^4

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。

---

动态规划

这里如果把 f[i] 定义为 0 ~ i 所有数字能组成的严格递增子序列的最大长度，会发现不太好做。但是如果把 f[i] 定义为以 nums[i] 结尾的所有严格递增子序列的最大长度就可以了。对于这种状态定义，在返回最终答案时不能简单地返回 f[-1]，因为最长严格递增子序列不一定是以最后一个元素结尾的，所以需要遍历 f 列表取最大值。

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        n = len(nums)
        # f[i] 为以 nums[i] 结尾的所有严格递增子序列的最大长度
        f = [1] * n
        for i in range(n):
            for j in range(i):
                if nums[i] > nums[j]:
                    # 如果 nums[i] 大于之前的一个 nums[j]
                    # 那么 nums[i] 可以拼在其后延长严格递增子序列
                    # 它的长度为 f[j] + 1
                    f[i] = max(f[i], f[j] + 1)
        return max(f)

运行结果：

执行结果：通过
执行用时：3780 ms, 在所有 Python3 提交中击败了30.11% 的用户
内存消耗：14.8 MB, 在所有 Python3 提交中击败了98.91% 的用户

---

2021.4.4