备战秋招系列之算法篇-动态规划(2)

2.动态规划–最长递增子序列

本文内容来自github：labuladong 的算法教程，学习完之后做的笔记，大家可以去github看一下写的非常好。

2.1 题目描述

输入一个无序的整数数组nums=[10,9,2,5,3,7,101,18]，找到其中最长递增子序列的长度。

2.2 动态规划解法

       动态规划的核心解法是数学归纳，类似的我们在设计动态规划的时候，不是需要一个dp数组吗？我们可以假设dp[0…i-1]已经被算出来了，然后我们需要知道如何通过这些结果计算dp[i]。
       在这里最关键的问题就是如何定义dp，首先我们需要了解dp的含义，即dp[i]表示以nums[i]这个数结尾的最长递增子序列的长度，根据这个定义我们可以推出base case：dp[i]的初始值为1，因为以nums[i]结尾的最长递增子序列起码包含它自己。
       算法的演进过程就是从i=0开始遍历数组，通过dp[0…i-1]来推导dp[i]，最终的结果应该是dp数组中的最大值。

int res=0;
for (int i=0;i<dp.size();i++){
	res = Math.max(res,dp[i]);
}
return res;

       我们如何设计算法逻辑来正确计算每个dp[i]呢？
       假设我们现在已经知道了dp[0…4]的结果，如何找到dp[5]就是我们的关键；假设现在想求dp[5]，就是求以nums[5]结尾的最长递增子序列，nums[5] = 3，既然递增，只要找到前面比3小的子序列即可，然后把3接到最后，形成一个新的子序列，这个新的子序列+1：

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

然后dp[4],dp[3]我们就可以递归的算出来了：

for(int i=0;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);
	}
}

结合刚才的base case我们可以写出完整代码：

int LengthOfList(in[] nums){
	int[] dp = new int[nums.length];
	Arrays.fill(dp,1);
	for(int i=0;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);
		}
	}
	int res = 0
	for (int i=0;i<dp.size();i++){
		res = Math.max(res,dp[i]);
	}
	return res;
}