300. 最长上升子序列

给定一个无序的整数数组，找到其中最长上升子序列的长度。

示例:

输入: [10,9,2,5,3,7,101,18]
输出: 4 
解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。
说明:

可能会有多种最长上升子序列的组合，你只需要输出对应的长度即可。
你算法的时间复杂度应该为 O(n2) 。
进阶: 你能将算法的时间复杂度降低到 O(n log n) 吗?

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/longest-increasing-subsequence
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

方法一：动态规划

此题与前两篇博客都属于子序列问题，所以可以采用类似的动态规划方法解决，这种方法的时间复杂度为$O(n^2)$。具体做法是假设$dp[i]$表示前$i$个元素中的最长子序列长度，然后对于$nums[i]$需要比较他与前$i-1$个元素的大小，如果大于则则$dp[i]$应该更新。转移方程为$dp[i]=max(dp[j])+1$。

代码

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int N = nums.size();
        if(!N) return 0;
        vector<int> dp(N, 1);

        for(int i = 0; i<N; ++i)
        {
            for(int j=0; j<i; ++j)
            {
                if(nums[j] < nums[i])
                {
                    dp[i] = max(dp[i], dp[j]+1);
                }
            }
        }
        return *max_element(dp.begin(), dp.end());
    }
};

方法二：贪心+二分查找

上述的动态规划，似乎是这类题目的一个通解，但是针对具体的题目也可以有一些优化，这一题题目要求优化到时间复杂度为$O(nlogn)$，看到这个复杂度要求的第一眼就想到了二分查找的时间复杂度是$logn$，那么也就是用了$n$次二分查找。但是二分查找又是需要在一个有序的序列中才能使用。

设当前已求出的最长上升子序列的长度为 $\text{len}$初始时为 1），从前往后遍历数组 $\text{nums}$，在遍历到 $\text{nums}[i]$时：

1. 如果 $\text{nums}[i]>d[\text{len}]$ ，则直接加入到 d 数组末尾，并更新 $\text{len}=\text{len}+1$；
2. 否则，在 $d$ 数组中二分查找，找到第一个比 $\text{nums}[i]$ 小的数 $d[k]$ ，并更新 $d[k+1]=\text{nums}[i]$。

以输入序列 $[0,8,4,12,2]$ 为例：

第一步插入 $0$，$d=[0]$；

第二步插入 $8$，$d=[0,8]$；

第三步插入 $4$，$d=[0,4]$；

第四步插入 $12$，$d=[0,4,12]$；

第五步插入 $2$，$d=[0,2,12]$。

最终得到最大递增子序列长度为 $3$。

代码

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int len = 1, n = (int)nums.size();
        if (n == 0) return 0;
        vector<int> d(n + 1, 0);
        d[len] = nums[0];
        for (int i = 1; i < n; ++i) {
            if (nums[i] > d[len]) d[++len] = nums[i];
            else{
                int l = 1, r = len, pos = 0; // 如果找不到说明所有的数都比 nums[i] 大，此时要更新 d[1]，所以这里将 pos 设为 0
                while (l <= r) {
                    int mid = (l + r) >> 1;
                    if (d[mid] < nums[i]) {
                        pos = mid;
                        l = mid + 1;
                    }
                    else r = mid - 1;
                }
                d[pos + 1] = nums[i];
            }
        }
        return len;
    }
};