leetcode 300.Longest Increasing Subsequence(最长递增子序列) O(nlogn)算法

leetcode 300.Longest Increasing Subsequence(最长递增子序列) ，网上多是动态规划，复杂度为O(n^2)算法；本文设计一个O(nlogn)算法，即维护最小的最长子序列

题目：

题目大意：求一个无序数组的最长递增子序列。这里的子序列，不要求是连续子序列。比如文中[10,9,2,5,3,7,101,18]最长子序列为[2,3,7,101]，长度为4。

最简单的思路，动态规划，纪录之前所有位置的最长长度，复杂度为O(n^2)。

代码如下（c++，O(n^2),可AC）：

     int lengthOfLIS(vector<int>& nums) {
        if(nums.size()<=1)  return nums.size();

        vector<int> b(nums.size(),1);

int res=0;
        for(int i=1;i<nums.size();i++){
            for(int j=0;j<i;j++){
                if(nums[i]>nums[j])
                    b[i]=max(b[i],b[j]+1);
            }
            res=max(res,b[i]);
        }
        return res;
    }

显然，有更好的办法。这个办法思路是这样的：对于一个子序列，如[10,9,2,5,3,7,101,18]，[2,3,7,101],[2,5,7,101],[2,3,7,18],[2,5,7,18]都是它的最长子序列，但我们没必要纪录这么多子序列，我们只需纪录对我们最有用的子序列，显然其中最小的子序列最有用，比如如果我再在[10,9,2,5,3,7,101,18]插入20，显然[2,3,7,18]最好处理，它后面直接插入19即可，得[2,3,7,18,20]。你可能看一下下面具体例子，可能更好理解。

维护一个最长递增子序列vector<int> v，且里面的数字最小，举例[10,9,2,5,3,7,101,18]：处理第一个数10，则v=[10]；处理第二个数9，9<＝10，则更新v=[9]；处理第三个数2，2<=9,更新v=[2]；处理第四个数5，5>2,插入v尾部，v=[2,5]；处理第五个数3，3<=5,且3>2,更新v=[2，3]；处理第六个数7，7>3,插入v尾部，v=[2,3,7]；处理下一个数101，101>7,插入尾部，更新v=[2,3,7,101]；处理下一个数18，18<=101,且18>7(找出18更新的位置，即更新大于等于18，且最接近18的数),更新v=[2，3，7，18]。结束。主意：一个数如果大于v的尾部，则插入尾部；否则更新v，该数更新的位置为大于等于该数且最接近该数的数。这样的话，一个数插入复杂度为1，更新复杂度为logn。这样，总的复杂度为O(nlogn)。

代码如下（c++,O(nlogn),可AC）:

int binarysearch(vector<int>& v, int x){//二分查找出x更新的位置
        int left=0, right=v.size()-1, mid=0;
        while(left<right){
            mid = (left+right)/2;
            if(x==v[mid])
                return mid;
            else if(x>v[mid])
                left=mid+1;
            else if(x<v[mid])
                right=mid;
        }
        return right;
    }

    int lengthOfLIS(vector<int>& nums) {
        if(nums.size()<=1)  return nums.size();
        
        vector<int> v;//最长递增序列
        v.push_back(nums[0]);
        for(int i=1;i<nums.size();i++){
            if(nums[i]>v.back()){  //nums[i]大于数组中最大数，则插入尾部
                v.push_back(nums[i]);
            }
            else{  //将nums[i]更新到已有递增序列
                int idx =binarysearch(v,nums[i]);
                v[idx] = nums[i];
            }
        }

        return v.size();
    }