动态规划之最长子序列问题

一个数的序列bi，当b1 < b2 < … < bS的时候，我们称这个序列是上升的。
对于给定的一个序列(a1, a2, …, aN)，我们可以得到一些上升的子序列(ai1, ai2, …, aiK)，这里1 <= i1 < i2 < … < iK <= N。
比如，对于序列(1, 7, 3, 5, 9, 4, 8)，有它的一些上升子序列，如(1, 7), (3, 4, 8)等等。这些子序列中最长的长度是4，比如子序列(1, 3, 5, 8).
我们的任务，就是对于给定的序列，求出最长上升子序列的长度。（最长不上升子序列就是正相反呗。）

下面我们以最长上升子序列为例研究。
其他非递增（减）等一系列问题就是以此为基础啊，比较的时候改改条件就行啊！
看清题目要求！
递增和不下降是不一样的啊摔！

O(n²)算法

seq[i]表示输入的第i个元素，seqlen[i]表示以第i个元素为末位的最长子序列长度。
在seqlen数组里选出最长，就是最长子序列长度啊。

O(nlogn)算法

arr[i]表示输入的数组元素,ans[len]表示生成长度为len时子序列的末位元素,len表示序列长度。
如果arr数组的新元素比ans数组的所有元素都大，把这个元素放在ans数组的最后，子序列长度+1；
如果arr数组的新元素比ans数组的最大元素小，比ans数组的其他元素小，那就用新元素替换掉这个最大元素。比如len=2时，ans[2]={1,5};若ans[i]即新元素为3，那就替换掉5，使得ans[2]={1,3}，以保证有更多元素加入到序列中来。
所以我们发现，我们插入这个数据是通过替换来实现的，因而我们可以通过二分查找快速找到要替换的元素，从而将时间复杂度降低到O(nlogn)。

来举个栗子~
假设存在一个序列arr[1..9] = 2 1 5 3 6 4 8 9 7，可以看出来它的LIS长度为5。
下面一步一步试着找出它。
我们定义一个序列ans，然后令 i = 1 to 9 逐个考察这个序列。
此外，我们用一个变量Len来记录现在最长算到多少了
首先，把arr[1]有序地放到ans里，令ans[1] = 2，就是说当只有一个数字2的时候，长度为1的LIS的最小末尾是2。这时Len=1。

然后，把arr[2]有序地放到ans里，令ans[1] = 1，就是说长度为1的LIS的最小末尾是1，arr[1]=2已经没用了，这时Len=1。

接着，arr[3] = 5，arr[3]>ans[1]，所以令ans[1+1]=ans[2]=arr[3]=5，就是说长度为2的LIS的最小末尾是5，