动态规划之子序列：674. 最长连续递增序列

题目描述

给定一个未经排序的整数数组，找到最长且 连续递增的子序列，并返回该序列的长度。

连续递增的子序列 可以由两个下标 l 和 r（l < r）确定，如果对于每个 l <= i < r，都有 nums[i] < nums[i + 1] ，那么子序列 [nums[l], nums[l + 1], …, nums[r - 1], nums[r]] 就是连续递增子序列。

示例1

输入：nums = [1,3,5,4,7]
输出：3
解释：最长连续递增序列是 [1,3,5], 长度为3。
尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的，因为 5 和 7 在原数组里被 4 隔开。 

示例2

输入：nums = [2,2,2,2,2]
输出：1
解释：最长连续递增序列是 [2], 长度为1。

提示：

0 <= nums.length <= 104
-109 <= nums[i] <= 109

思路

本题相对动态规划之子序列：300.最长递增子序列最大的区别在于“连续”。

本题要求的是最长连续递增序列

动态规划

动规五部曲分析如下：

1. dp[i]的定义

   dp[i]表示以下标 i 为结尾的数组的最长连续子序列的长度

2. 确定递推公式

   如果 nums[i + 1] > nums[i]，那么以 i+1 为结尾的数组的连续递增的子序列长度 一定等于 以i为结尾的数组的连续递增的子序列长度 + 1 。

   即：dp[i + 1] = dp[i] + 1;

   注意这里就体现出和动态规划：300.最长递增子序列的区别！

   因为本题要求连续递增子序列，所以就必要比较nums[i + 1]与nums[i]，而不用去比较nums[j]与nums[i] （j是在0到i之间遍历）。

   既然不用j了，那么也不用两层for循环，本题一层for循环就行，比较nums[i + 1] 和 nums[i]。

   这里大家要好好体会一下！

3. dp数组如何初始化

   以下标i为结尾的数组的连续递增的子序列长度最少也应该是1，即就是nums[i]这一个元素。

   所以dp[i]应该初始1;

4. 确定遍历顺序

   从递推公式上可以看出， dp[i + 1]依赖dp[i]，所以一定是从前向后遍历。

   本文在确定递推公式的时候也说明了为什么本题只需要一层for循环，代码如下：

   for(int i = 1; i < nums.length; i++) {
   	if(nums[i] > nums[i-1]) {
   	     dp[i] = dp[i-1] + 1;
   	 } 
   	if(dp[i] > res) {
   	    res = dp[i];
   	}
   }
   
   

5. 举例推导dp数组

   已输入nums = [1,3,5,4,7]为例，dp数组状态如下：
   
   注意这里要取dp[i]里的最大值，所以dp[2]才是结果！

   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 findLengthOfLCIS(int[] nums) {
        if(nums.length <= 1) {
            return nums.length;
        }
        int res = 0;
        int[] dp = new int[nums.length];
        Arrays.fill(dp, 1);
        for(int i = 1; i < nums.length; i++) {
            if(nums[i] > nums[i-1]) {
                dp[i] = dp[i-1] + 1;
            } 
            if(dp[i] > res) {
                res = dp[i];
            }
        }
        return res;
    }
}

复杂度分析

时间复杂度：O(n)。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