最大递增子序列和最大子数组问题

最长递增子序列

一、题目描述

输入一个无序数组，找到其中最长递增子序列的长度。（子序列和子串的区别，子串一定是连续的，子序列不一定是连续的）

二、解题思路

定义一个一维数组dp，dp[i]代表前i个元素中的最长递增子序列。

初始状态dp[0] = 1

状态转移方程：

已知dp[0]怎么求dp[1]？

看1处的值是不是比0处的值大，如果大且 dp[1] < dp[0] + 1，dp[1] = dp[0] + 1，否则dp[1] = 1

已知dp[0] 和dp[1] 怎么求dp[2]？

看2处的值是不是比0处的大，如果大于且dp[2] < dp[0] + 1，dp[2] = dp[0] + 1,否则dp[2] = 1。然后继续看2处的值是不是比1处大，如果大且dp[2] < dp[1]+1，dp[2] = dp[1] + 1,否则dp[2] = 1

最大子数组问题

一、题目描述

给你一个整数数组nums，请你在其中找出一个和最大的子数组，返回这个子数组的和。

注意：子数组是连续的

二、解题思路

最暴力的方法就是二重循环，把每一个子数组的和都算出来，然后取最大的就行了。

但我们能不能用动态规划的方法解题呢？

动态规划的关键就是递推，也就是从一个初始状态慢慢递推，最终得到整个问题的答案。

不妨设dp[i] 为以下标为i的元素结尾的最大子数组和。

初始状态：dp[0] = nums[0]

能否根据dp[0]求出dp[1]？ 可以。dp[1]代表以下标为1的元素结尾的最长子数组，以他结尾，则前面可以有也可以没有，如果前面是正数，则dp[i] = dp[i-1] + nums[i] 。否则dp[i] = nums[i]；

其实根据上面两个我们可以发现，如果要求子数组是连续的话，则dp数组应该是 以 什么什么结尾的，如果不要求子数组连续的话应该是前n项。