动态规划之子序列：300.最长递增子序列

2021年5月21，今天 LeetCode 的每日一题是 1035. 不相交的线，这道题属于动态规划的子序列问题。想到这，决定先写一个动态规划子序列的专题。在这个专题中，我将通过 LeetCode 中的12道题目，手把手教你掌握动态规划的子序列问题。废话不多说，上干货。

题目描述

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

思路

最长上升子序列是动规的经典题目，这里dp[i]是可以根据dp[j] （j < i）推导出来的，那么用动规五部曲来详细分析一波：

1. dp[i]的定义

   dp[i]表示i之前包括i的最长上升子序列。

2. 状态转移方程

   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。

   所以：if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);

   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. dp[i]的初始化

   每一个i，对应的dp[i]（即最长上升子序列）起始大小至少都是是1.

4. 确定遍历顺序

   dp[i] 是有0到i-1各个位置的最长升序子序列 推导而来，那么遍历i一定是从前向后遍历。

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

5. 举例推导dp数组

   输入：[0,1,0,3,2]，dp数组的变化如下：
   
   如果代码写出来，但一直AC不了，那么就把dp数组打印出来，看看对不对！

Java代码

class Solution {
    public int lengthOfLIS(int[] nums) {
        if(nums.length == 1) {
            return 1;
        }
        int[] dp = new int[nums.length];
        Arrays.fill(dp, 1);
        int res = 0;
        for(int i = 1; i < nums.length; i++) {
            for(int j = 0; j < i; j++) {
                if(nums[i] > nums[j]) {
                    dp[i] = Math.max(dp[i], dp[j] + 1);
                }
            }
            if(dp[i] > res) {
                res = dp[i];
            }
        }
        return res;
    }
}

复杂度分析

时间复杂度：O(n^2)。其中 n 是整数数组的长度
空间复杂度：O(n)。需要额外使用长度为 n 的 dp 数组