300. 最长递增子序列 ●●

300. 最长递增子序列 ●●

描述

给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列 是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

示例

输入：nums = [10,9,2,5,3,7,101,18]
输出：4
解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

题解

1. 动态规划

1. dp[i] 表示以第 i 个数字nums[i]为结尾的最长递增序列长度；
2. if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);
   位置 i 的最长升序子序列等于j从0到 i-1各个位置的最长升序子序列 + 1 的最大值。
   注意这里不是要dp[i] 与 dp[j] + 1进行比较，而是我们要取dp[j] + 1的最大值。
3. 每一个 i，对应的dp[i]（即最长上升子序列）起始大小至少都是1；
4. 双层循环，从前往后遍历。

• 时间复杂度：$O(n^2)$，其中 n 为数组 nums 的长度。动态规划的状态数为 n，计算状态 dp[i] 时，需要 O(n) 的时间遍历 dp[0…i−1] 的所有状态。
• 空间复杂度：O(n)，需要额外使用长度为 n 的 dp 数组。

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int n = nums.size();
        int ans = 1;
        vector<int> dp(n, 1);   	// dp[i] 表示以第i个数字为结尾的最长递增序列长度
        for(int i = 1; i < n; ++i){	// nums[i]结尾
            for(int j = 0; j < i; ++j){
                if(nums[i] > nums[j]){
                    dp[i] = max(dp[i], dp[j] + 1);	// 升序时，0到i-1各个位置的最长升序子序列 + 1
                }
            }  
            ans = max(ans, dp[i]);	// 取最大值
        }
        return ans;
    }
};

2. DP + 二分查找

通过重新设计状态定义，使整个 dp 为一个排序列表；这样在计算每个 dp[k] 时，就可以通过二分法遍历 [0,k) 区间元素，将此部分复杂度由 O(N) 降至 O(logN)。

定义 dp[i] 表示最长递增序列长度为 i+1 的最小末尾数，如 {1, 2, 4, 3} 中，最长递增序列长度为 3 的最小末尾数 dp[2] = 3；

此时 dp 数组一定是严格递增的，即 k < n 时有dp[ k ] < dp[ n ]，当尽可能使每个子序列尾部元素值最小的前提下，子序列越长，其序列尾部元素值一定更大。（可用反证法证明）。

步骤为：

1. 新建dp数组，用于存放最长递增序列长度为 i+1 的最小末尾数，初始化dp[0] = nums[0]；
2. 遍历数组nums，对每个元素进行比较插入操作，
   1）如果dp中元素都小于它，则尾部插入新元素；
   2）否则，用二分法找到第一个大于等于 nums[i] 的位置，进行替换。

总之，思想就是让 dp[i] 存储序列长度为 i+1 的最小末尾数。这样，dp 未必是真实的最长上升子序列，但其长度就是最终的子序列长度。 比如 {1, 2, 9, 10, 3, 4, 5} 的替换过程。

• 时间复杂度 $O(NlogN)$ ： 遍历 nums 列表需 O(N)，在每个 nums[i] 二分法需 O(logN)。
• 空间复杂度 O(N) ： tails 列表占用线性大小额外空间。

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int n = nums.size();
        vector<int> dp;                 // dp[i] 表示最长递增序列长度为i+1的最小末尾数
        dp.emplace_back(nums[0]);		// dp初始化
        for(int i = 1; i < n; ++i){
            int l = 0;
            int r = dp.size()-1;
            if(dp[r] < nums[i]){        // dp数组最大数小于nums[i]，尾部插入元素
                dp.emplace_back(nums[i]);
                continue;
            }                           // nums[i]在dp数组范围内
            while(l <= r){              // 二分查找第一个大于等于nums[i]的位置，进行替换
                int m = l + (r-l) / 2;
                if(dp[m] >= nums[i]){   // 若非要求严格递增，将此行>=改为>，行10的<改为<=
                    r = m - 1;
                }else{
                    l = m + 1;
                }
            }
            dp[l] = nums[i];            // 元素替换
        }
        return dp.size();
    }
};