动态规划之最长递增子序列

//O(Nlogn)算法
//同样a，dp两个数组，a中存放序列的每个值
//dp[i]指长度为i的序列中最后一个值的最小值，例如有两个相同长度的序列1，3，6和1，3，4则dp[3] = 4;
//有两种算法
//dp中全为最大值INT_MAX时
for (int i = 1; i <= n; ++i)
{
	int pos = lower_bound(dp + 1, dp + 1 + n,a[i]) - dp;//返回在dp中第一个大于等于a[i]的下标,pos的最大值就是最长递增子序列的长度
	dp[pos] = a[i];
}

//二：dp中全为-1
for (int i = 1; i <= n; ++i)
{
	int pos = upper_bound(dp + 1, dp + 1 + n, a[i]) - dp;//返回在dp中第一个小于a[i]的下表，这种并非严格递增，是大于等于递增
	dp[pos] = a[i];
}

状态空间：b[i]表示从a[0]到a[i]且终止于 a[i]的最长递增序列的长度。
状态转移方程：b[i]=b[k]+1(k<i, a[k]为从i向左小于a[i]且b[k]最大的元素
初始条件： b[0]=1
结果：b[i]中的最大值 
复杂度：n2

    优化：引入数组c[i]表示数列0项到i项中的长度为i的递增子序列的末尾元素值的最小值。显然数组c必然是单调递增的。复杂度：nlog2n
     状态转移方程：     
     c[0]=-1
     c[j]=a[i]    // j为a[i]在c中的第一个比它大元素的位(upper_bound()) 
     b[i]=j