300.最长上升子序列

300.最长上升子序列

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?

使用动态规划算法求解

动态规划三要素：

• 重叠子问题
• 最优子结构（可以从子问题的最优结果推出更大规模问题的最优结果）
• 状态转移方程

输入数组为 $nums$，$dp$ 数组中，$dp[i]$ 表示以 $nums[i]$ 结尾的最长上升子序列的长度。以第 $i$ 个数结尾的最长上升子序列的长度，可由以第 $1,2,...,i-1$ 个数结尾的最长上升子序列长度中最大的数加1得到。
$$\begin{gathered} dp[i]=\max (dp[i],dp[j]+1) \\ j=1,2,...,n-1 \end{gathered}$$

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        # 考虑 nums 为空序列的情况
        if len(nums) == 0:
            return 0
        # dp 表示以 nums[i] 结尾的最长上升序列长度，初始化为全 1 序列
        dp = [1 for i in range(len(nums))]

        # dp[i] = max(dp[i], dp[j]+1)  j = 1, 2, ... , i-1
        for i in range(len(nums)):
            for j in range(i):
                if nums[i] > nums[j]:
                    dp[i] = max(dp[i], dp[j]+1)
        
        return max(dp)

参考：

leetcode.300.最长上升子序列

动态规划设计：最长递增子序列