354 俄罗斯套娃信封问题（最长上升子序列）

1. 问题描述：

给你一个二维整数数组 envelopes ，其中 envelopes[i] = [wi, hi] ，表示第 i 个信封的宽度和高度。当另一个信封的宽度和高度都比这个信封大的时候，这个信封就可以放进另一个信封里，如同俄罗斯套娃一样。
请计算最多能有多少个信封能组成一组“俄罗斯套娃”信封（即可以把一个信封放到另一个信封里面）。
注意：不允许旋转信封。

示例 1：

输入：envelopes = [[5,4],[6,4],[6,7],[2,3]]
输出：3
解释：最多信封的个数为 3, 组合为: [2,3] => [5,4] => [6,7]。

示例 2：

输入：envelopes = [[1,1],[1,1],[1,1]]
输出：1

提示：

• 1 <= envelopes.length <= 5000
• envelopes[i].length == 2
• 1 <= wi, hi <= 10^4

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/russian-doll-envelopes

2. 思路分析：

分析题目可以知道嵌套的信封肯定是前一个信封的长度和宽度是严格小于后一个信封的长度和宽度的，所以我们可以先对信封的长度和宽度由小到大进行排序，因为求解的是最多能够嵌套多少个信封，并且嵌套的信封的长度和宽度是由小到大排序的，由这个特点我们可以想到最长上升子序列模型，只是这里需要长度和宽度都是严格递增的所以判断条件修改一下即可。我们可以声明一个dp列表，dp[i]表示以当前信封i结尾的最多能够嵌套的信封数量，状态计算为尝试将当前的信封i拼接到之前的信封后面看是否可以嵌套，如果可以嵌套那么更新以当前的信封i结尾的最多可以嵌套的数目，当前的状态计算完成之后更新最大值即可。当我们遇到新的问题的时候关键是如何根据新的问题转换为已经学过的问题模型，也即知识迁移。

3. 代码如下：

java代码：

import java.util.Arrays;
import java.util.Comparator;
public class Solution {
    public static int maxEnvelopes(int[][] w) {
        int n = w.length;
        int res = 0;
        // 对二维数组进行排序
        Arrays.sort(w, new Comparator<int[]>() {
            public int compare(int[] a, int[] b) {
                if(a[0] == b[0]) {
                    return a[1] - b[1];
                }

                return a[0] - b[0];
            }
        });
        int dp[] = new int[n];
        for (int i = 0; i < n; ++i){
            dp[i] = 1;
            for (int j = 0; j < i; ++j){
                if (w[i][0]  > w[j][0] && w[i][1] > w[j][1]){
                    dp[i] = Math.max(dp[i], dp[j] + 1);
                }
            }
            res = Math.max(res, dp[i]);
        }
        return res;
    }
}

python代码（超时）：

from typing import List


class Solution:
    def maxEnvelopes(self, w: List[List[int]]) -> int:
        n = len(w)
        dp = [0] * (n + 1)
        w.sort()
        res = 0
        for i in range(n):
            dp[i] = 1
            for j in range(i):
                if w[i][0] > w[j][0] and w[i][1] > w[j][1]:
                    dp[i] = max(dp[i], dp[j] + 1)
            res = max(res, dp[i])
        return res