力扣：673，为什么说spring让前端变得更好

return max(dp)

复杂度分析：

• 时间复杂度: O(n2)

• 空间复杂度: O(n) dp[n]借助的空间

1.2 贪心 + 二分查找

我们要求得最长的上升子序列，那么我们应该保证序列上升的尽可能慢，因此每次添加到子序列后的数尽可能地小。

基于上面的想法，维护一个数组d[i]，表示长度为i的最长上升子序列，且d[i]为满足长度为i的上升子序列的最小值，使用len记录数组d的元素个数，初始值d[0] = num[0]。

算法流程：

• 遍历数组nums，当遍历到nums[i]时：

• 若nums[i] > d[len]，直接加入到数组末尾，len+1

• 否则，在d数组中寻找第一个大于nums[i]的位置，将其插入

• 以序列[0,2,5,3,7,101,18]

• 第一步插入0：d = [0]

• 第二步插入2：d = [0,2]

• 第三步插入5：d = [0,2,5]

• 第四步更新长度为3的最长子序列的末尾值：d = [0,2,3]

• 第五步插入7：d = [0,2,3,7]

• 第六步插入101：d = [0,2,3,7,101]

• 第四步更新长度为5的最长子序列的末尾值：d = [0,2,3,7,18]，得到最长递增子序列长度为5

def findNumberOfLIS(nums):

d = []

for n in nums:

if not d or n > d[-1]:

d.append(n)

else:

left, right = 0, len(d) - 1

while left < right:

mid = left + (right - left) // 2

if d[mid] < n:

left = mid + 1

else:

right = mid

d[left] = n

return len(d)

复杂度分析：

• 时间复杂度: O(nlogn) 使用了二分查找

• 空间复杂度: O(n) d[n]借助的空间

2. 最长递增子序列的个数

---

2.1 动态规划

小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级前端工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Web前端开发全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：前端）

目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频**

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：前端）
[外链图片转存中…(img-W4eYLSkB-1710919907504)]