LeetCode 300. 最长递增子序列 / 673. 最长递增子序列【个数】（Medium）/ 子数组、序列问题！！！

• 子序列
  • 128.（找出）最长【数字连续的】序列（Medium）
  • 659. 数组能否分割为一个或多个【长度至少为 3 】的连续子序列（M）
  • 【LCStr】最长公共子串 / 【LCSeq】最长公共子序列 / 1035.【数组版本】不相交的线（Medium，=最长公共子序列）
  • 1092. 最短公共超序列（Hard）
  • 115. 字符串 s 的子序列中出现字符串 t 的次数（Hard）/ 792. 匹配子序列的单词数（M）
  • 1673. 最具竞争力的子序列（M）【单调栈】
• 子数组（连续的）
  • 674. 最长【连续】递增子数组（Easy）
  • 581. 【找出并升序】最短无序连续子数组（Medium）/ 面试题 16.16. 部分排序
  • 718. 【2 个数组的】最长公共子数组【最长】
  • 剑指Offer 42. 连续子数组的最大和（Easy）/ 918. 环形子数组的最大和（Medium）
  • 无序数组中和为 S 的最长子数组【最长】
  • 209. 总和【大于等于】S 的【最短】子数组（Medium）/ 523.（总和为 K 的倍数 + 长度至少为 2 的）连续子数组（M）
  • 689. 三个无重叠子数组的最大和（Hard）/ 1031. 两个【非重叠】子数组的最大和（M）
  • 152. 乘积最大的子数组（Medium）

300. 最长递增子序列

【题目链接】

• 最长上升子序列（动态规划 + 二分查找，清晰图解）

class Solution:
    ### 1215 动态规划（3656 ms，15 MB）
    def lengthOfLIS(self, nums: List[int]) -> int:
        if not nums: return 0

        # 初始化dp，1表示每个数字都以自身为最小的有序子数组
        dp = [1] * len(nums)

        # 遍历原数组nums中的每一个数num
        for i in range(len(nums)):
            # 遍历在num之前的每一个数
            for j in range(i):
                # 若当前两个数是有序关系，则更新dp[i]；否则表示有序关系中断，则已有的值会更大，此时无需更新
                if nums[i] > nums[j]: dp[i] = max(dp[i], dp[j]+1)
        
        return max(dp) # 最后返回dp的最大值

    
    ### 1215 动态规划 + 二分法（68 ms，15 MB）
    def lengthOfLIS(self, nums: List[int]) -> int:
        # 初始化单调递增（子）数组dp，即dp的有效长度dp_len
        # dp[i]表示长度为i+1的子序列的最后一个元素的值，dp是单调递增的
        dp, dp_len = [0] * len(nums), 0

        # 遍历原数组nums中的每一个数num
        for num in nums:
            i, j = 0, dp_len

            # 二分查找，为当前num寻找到dp中合适的位置
            # 检查dp[0:dp_len]中是否存在比num大的值，若存在则将num插入对应的位置
            # 保证整个dp是递增的
            while i < j:
                m = (i + j) // 2
                # 未找到大于num的数时，i前移；否则j前移（<表示严格单调，<=表示非严格单调）
                if dp[m] < num: i = m + 1
                else: j = m

            # 更新dp[i]
            dp[i] = num

            # 若当前值num大于dp中的最后一个值（即dp的最大值，此时下标j未改变）
            # 则dp的有效长度dp_len加一（即表示num加入后可以构成更长的有序子数组）
            if j == dp_len: dp_len += 1

        return dp_len

• 返回最长递增子序列

def LIS(nums):
    if len(nums) == 0: return []
    if len(nums) == 1: return nums
    
    n = len(nums)
    # a[i]表示以下标为i的元素作为结尾的最长递增子序列的长度
    a = [0] * n
    # dp[i]表示长度为i+1的子序列的最后一个元素的值，dp是单调递增的
    dp = [0] * n 
    dp_len = 0 # 最长递增子序列的长度，从0开始增加到最后的值
    
    for i in range(n):
        # 二分查找，为当前num寻找到dp中合适的位置
        # 检查dp[0:dp_len]中是否存在比nums[i]大的值，若存在则将nums[i]插入对应的位置
        # 保证整个dp是递增的
        l, r = 0, dp_len
        while l < r:
            mid = (l + r) // 2
            if dp[mid] < nums[i]:
                l = mid + 1
            else:
                r = mid
        
        # 每过一个数nums[i]，则把它作为长度为l+1的子序列的最后一个元素，是一种更新操作
        dp[l] = nums[i]
        
        # 若当前值num大于dp中的最后一个值（即dp的最大值，此时下标j未改变）
        # 则dp的有效长度dp_len加一（即表示num加入后可以构成更长的有序子数组）
        if r == dp_len: dp_len += 1
            
        a[i] = r + 1 # 每过一个数都能确定以该数结尾的最长递增子序列的长度
    
    # 根据dp_len的长度递减，来从后往前寻找最长递增子序列中的每一个数
    res = [0] * dp_len
    for i in range(n - 1, -1, -1):
        # 若当前的dp_len恰好为a中的某一个值，则寻找到其中的一个数
        if dp_len == a[i]:
            # 根据dp_len作为下标，把元素放入对应的位置，然后dp_len长度减一
            res[dp_len - 1] = nums[i]
            dp_len -= 1
    
    return res

673. 最长递增子序列个数

• 题解
  
  

class Solution(object):
    def findNumberOfLIS(self, nums):
        n = len(nums)
        if n <= 1: return n

        dp = [0] * n     # dp[i]表示以nums[i]结尾的最长递增子序列的长度
        counts = [1] * n # counts[i]表示以nums[i]结尾的最长递增子序列的个数

        for j, num in enumerate(nums):
            for i in range(j):
                if nums[i] < nums[j]:  # 若当前数i < 固定数j，才表明出现更长的子序列
                    if dp[i] >= dp[j]: # 若是初始化的值，则最长子序列的长度直接在dp[i]的基础上加一
                        dp[j] = dp[i] + 1
                        counts[j] = counts[i] # 若是初始化的值，则最长子序列的个数与counts[i]相同
                    elif dp[i] + 1 == dp[j]:  # 若j之前某一个值i能与j构成递增子序列，则j处的最长子序列的个数会累加上i处的个数
                        counts[j] += counts[i]

        longest = max(dp)
        return sum(c for i, c in enumerate(counts) if dp[i] == longest) # 统计不同的最长的递增子序列的总个数