LeetCode 300. 最长递增子序列

LeetCode 300. 最长递增子序列

一、题目详情

原题链接：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

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?

二、动态规划法

​ 本题可以使用动态规划法解决。

​ dp[i]的值代表nums的前i个值的最长子序列长度。dp[i] 所有元素置 1，含义是每个元素都至少可以单独成为子序列，此时长度都为 1。

​ 设 j∈[0,i)，考虑每轮计算新 dp[i] 时，遍历 [0,i) 列表区间，做以下判断：

​ 当 nums[i] > nums[j] 时： nums[i] 可以接在 nums[j] 之后（此题要求严格递增），此情况下最长上升子序列长度为 dp[j] + 1 ；
​ 当 nums[i] <= nums[j] 时：nums[i] 无法接在 nums[j] 之后，此情况上升子序列不成立，跳过。

​ 即j∈[0,i)的状态转移方程为：
$$dp[i]=max(dp[i],dp[j]+1)$$

class Solution {
    public int lengthOfLIS(int[] nums) {
        if(nums == null || nums.length == 0){
            return 0;
        }
        
        //动态规划
        int max = 1;
        int[] dp = new int[nums.length];
        for(int i = 0;i < nums.length;i++){
            dp[i] = 1;
        }

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

        return max;
    }
}