代码随想录 | 动态规划 part13

300 最长递增子序列

看解答才会的，
dp[i]表示以i结尾的最长递增子序列长度
注意一点：必须是以i结尾的，这也就意味着dp[i]并不是从0到i最长的递增子序列，在所有的nums中取最大才是，
之所以加这个限制，是因为在比较大小时必须拿序列末尾的来比

循环：
两层循环
外层遍历数字，从1开始，因为第0个已经初始化过了，
内层对于每一个数字，都要检查它前面的所有递增子序列，判断是否能为最长的递增子序列进一步延长，因此是遍历所有小于外层i的下标

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        if len(nums) == 1: return 1
        dp = [1]*len(nums)
        res = 0
        for i in range(1,len(nums)):
            for j in range(i):
                if nums[i] > nums[j]:
                    dp[i] = max(dp[i],dp[j]+1)
            res = max(res,dp[i])
        return res

674 最长连续递增序列

比上一题简单，因为连续递增的判断只需要一层循环
dp数组表示以i结尾的连续递增序列长度
循环一遍，只需要跟前一个比较即可

class Solution:
    def findLengthOfLCIS(self, nums: List[int]) -> int:
        if len(nums) == 1: return 1
        dp = [1]*len(nums)
        res = 0
        for i in range(1,len(nums)):
            if nums[i] > nums[i-1]:
                dp[i] = dp[i-1]+1
            res = max(res,dp[i])
        return res

718 最长重复子数组

应该是一个二维dp数组
dp表示以i-1和j-1为结尾的最长重复子数组长度，
此时可以从dp[i-1][j-1]推出dp[i][j]

class Solution:
    def findLength(self, nums1: List[int], nums2: List[int]) -> int:
        dp = [[0]*(len(nums2)+1) for _ in range(len(nums1)+1)]
        res = 0
        for i in range(1,len(nums1)+1):
            for j in range(1,len(nums2)+1):
                if nums1[i-1] == nums2[j-1]:
                    dp[i][j] = dp[i-1][j-1] + 1
                res = max(res,dp[i][j])
        return res

但是要注意，构建dp数组时应比nums的长度大一个，并全部初始化为0
循环也都是从1开始的，