最长递增子序列的动态规划的求解二

1. 问题描述：求解最长递增子序列的长度

输入：第一行输入的是数组的长度 

第二行开始输入的是数组中的元素

输出：最长递增子序列的长度

输入 4 2 3 1 5 6 

输出 4 （因为 2 3 5 6组成了最长递增子序列）

2. 使用之前的动态规划的解法的时间复杂度还是有点高，为O(n ^ 2)，于是有人又想出了动态规划另外的优化解法，我们可以借鉴其中的思路来开拓我们的思维和更好地理解动态规划

思路是：dp[i]表示的是长度为i的最长递增子序列的末尾的那个数

举个例子：先初始化dp[0]为数组中第一个元素的值，即dp[0]  =  4，定义一个指针p用来记录当前递增子序列的位置，从数组的第二个元素开始比较当前arr[i]与当前指针指向的dp数组的位置的值的大小，假如arr[i] > dp[p]那么说明当前的字符可以构成更长的递增子序列那么我们应该更新dp数组，指针往下移动，然后把当前的arr[i]的值赋值给dp[++p]，假如arr[i] < dp[p]说明当前字符不能够构成更长的递增子序列，此时需要进行元素的替换，为什么进行替换呢？因为当前更小的元素更有利于最长递增子序列的贡献，所以扫描dp数组指向位置以及之前的位置假如arr[i] 大于dp[p]那么我们将其dp[p] 替换为arr[i]

最后返回的是指针p指向的位置，这也是与之前动态规划的一般解法不同的点

3. 具体的代码如下：

import java.util.Scanner;
public class Main{
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        int n = sc.nextInt();
        int arr[] = new int[n];
        for(int i = 0; i < n; i++){
            arr[i] = sc.nextInt();
        }
        System.out.println(solution(arr));
        sc.close();
    }
    private static int solution(int[] arr){
        int dp[] = new int[arr.length + 1];
        dp[1] = arr[0];
        int p = 1;
        for(int i = 1; i < arr.length; i++){
            if(arr[i] > dp[p]){
                dp[++p] = arr[i];
            }else{
                for(int j = 0; j <= p; j++){
                    if(dp[j] > arr[i]){
                        dp[j] = arr[i];
                    }
                }
            }
        }
        return p;
    }
}