最长上升子序列（动态规划+二分查找）巧妙的思路

题目：
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）

动态规划：
dp[i] = max(dp[j]+dp[i],dp[i])。(0=<j<i)
dp[i]记录一下标i为终点的最大上升子序列。时间复杂度为O(n²)。
难点：
O(n²)动态规划思路的比较好理解，关键是如何进阶O(nlogn)。
动态规划+二分查找:
如果我们想要找到O(nlogn)的解决方法，最先想到的便是在遍历dp[0]~dp[i-1]时，采用二分查找法，但是dp[0]到dp[i-1]是无序的。这该怎么办？

假如我们换一种变量存储，我们记录从长度为1到目前最大长度的每个子序列的最后一项。
用 tails[]数组来存储，res为最大长度，lo=0，hi=res。
每当遇到nums[i]时，若在tails数组中存在比nums[i]大的值，则替换第一个大于它的元素。
若在tails数组中没有比nums[i]更大的数，
则更新res，tails。
最后返回res。

class Solution {
    public int lengthOfLIS(int[] nums) {
        if(nums == null||nums.length==0)
            return 0;
        if(nums.length == 1)
            return 1;
        int[] tails = new int[nums.length];
        tails[0] = nums[0];
        int res = 0;
        for(int x:nums){
            int lo = 0;
            int hi = res;
            while(lo<hi){
                int mid = (lo+hi)/2;
                if(x>tails[mid])
                    lo = mid+1;
                else
                    hi = mid;
            }
            tails[lo] = x;
            if(hi == res)
                res++;
        }
        return res;
    }
}

参考：https://leetcode-cn.com/problems/longest-increasing-subsequence/solution/zui-chang-shang-sheng-zi-xu-lie-dong-tai-gui-hua-2/