python 最长递增子串：动态规划

问题描述：

给定一个数组str=[5, 3, 4, 8, 6, 7,9]，求出其最长递增子串：LongestIncreaseSub=[3,4,6,7,9]

解决思路：

解决最长子序列（Longest Increase Subset, LIS）问题，使用动态规划（Dynamic Programming，DP），之前说到动态规划的规划（Programming）是表格的意思，是对递归的一种优化，递归是不管需不需要都进行重新计算，其计算复杂度极高，动态规划用表格（数组）来存储其之前的状态，当进行下一步计算的时候直接调用不需要重新计算。那么问题来了，动态规划需要确定两个点：状态、状态转移方式[1]。在这里从另一个角度说一下动态规划：

已知问题规模为n的已知条件Y，求解一个未知解X。（我们用Yn表示“问题规模为n的已知条件”）

此时，如果把问题规模降到0，即已知Y0，可以得到Y0->X.

如果从Y0添加一个元素，得到Y1的变化过程。即Y0->Y1; 进而有Y1->Y2; Y2->Y3; …… ; Yi->Yi+1. 这就是严格的归纳推理，也就是数学归纳法；

对于Yi+1，只需要它的上一个状态Yi即可完成整个推理过程（而不需要更前序的状态）。我们将这一模型称为马尔科夫链(自然语言处理中经常使用)。对应的推理过程叫做“贪心法”。

然而，Yi与Yi+1往往不是互为充要条件，随着i的增加，