02.动态规划

最长递增子序列

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 1：

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 。

示例 2：

输入：nums = [0,1,0,3,2,3]
输出：4

示例 3：

输入：nums = [7,7,7,7,7,7,7]
输出：1

类似的，我们设计动态规划算法，不是需要⼀个 dp 数组吗？我们可以假设 dp[0...i-1] 都已经被算出来了，然后问⾃⼰：怎么通过这些结果算出 dp[i]？

我们这就假想出 dp[i]要么等于dp[前面某个]+1；要么就等于dp[i]的初始值

for (int j = 0; j < i; j++) {
            if (nums[i] > nums[j]){
                dp[i] = Math.max(dp[i], dp[j] + 1);
            }
}

所以代码

class Solution {
    public int lengthOfLIS(int[] nums) {
        int[] dp=new int[nums.length];          //定义dp数组+初始化
        Arrays.fill(dp,1);          
​
        for(int i=0;i<nums.length;i++){
            for(int j=0;j<i;j++){
                if(nums[i]>nums[j])             //dp问题简单化
                    dp[i]=Math.max(dp[i],dp[j]+1);
            }
        }
        int res=0;
        for(int i=0;i<dp.length;i++){           //从dp数组中找到最大值
            res=Math.max(res,dp[i]);
        }
        return res;
    }
​