最长递增子序列——动态规划题解思路分享

题目：leetcode300.最长递增子序列

. - 力扣（LeetCode）

下面奉上我的代码，并向大家介绍下我的思路历程

 

// dp[i]，以索引i为结尾的，最长递增 dp[i]需要由dp[0]到dp[i-1]组成
func lengthOfLIS(nums []int) int {
	n := len(nums)
	dp := make([]int, n)
	for i := 0; i < n; i++ {
		dp[i] = 1
	}
	for i := 1; i < n; i++ {
		for j := 0; j < i; j++ {
			if nums[i] > nums[j] {
				if dp[j]+1 > dp[i] {
					dp[i] = dp[j] + 1
				}
			}
		}
	}
	max := 0
	for i := 0; i < n; i++ {
		if dp[i] > max {
			max = dp[i]
		}
	}
	return max
}

       首先，刷过题的都知道应该用动态规划，但是时间一久，就忘记了套路，实际上还是理解不够深入。 

       看到这个题，首先我就在找递推关系，以序号i结尾的最长递增子序列到底该怎样以序号i-1为结尾的最长递增子序列得到呢？这时大家就入陷阱了！因为对于以序号i-1为结尾的最长递增子序列，我们并无法知道这个子序列的结尾是否为i-1，而且大概率不是的。那大家可能觉得就很难找到递推关系了。我们该怎么办呢？既然我们的关键是想知道的最长递增子序列是要以序号i-1为结尾，那不妨我们就直接设dp[i]为以i为结尾的最长递增子序列就好了！

       这样的话，dp[i]该如何得来呢？我们需要从序号0遍历到i-1，如果nums[i] > nums[j],我们就比较dp[i]和dp[j]+1的关系，如果dp[j]+1更大，那我们就更新dp[i]，这样最后找到的就是最大的dp[i]。

       最后一个注意点，最大值一定是dp[n-1]吗，这时我们就思考dp[i]的含义，显然dp[i]是以序号i为结尾的最长递增子序列，所以我们需要从0遍历到n-1，取出最大的dp[i]!

       大家怎么看呢？欢迎讨论！