LeetCode300. 最长递增子序列

description

给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

示例 1：

输入：nums = [10,9,2,5,3,7,101,18]
输出：4
解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

示例2：

输入：nums = [0,1,0,3,2,3]
输出：4

示例3：

输入：nums = [7,7,7,7,7,7,7]
输出：1

提示：
1 <= nums.length <= 2500
-104 <= nums[i] <= 104

进阶：

你可以设计时间复杂度为 O(n²) 的解决方案吗？
你能将算法的时间复杂度降低到 O(n log(n)) 吗?

分析

首先，本题要求结果是严格递增的子序列，最为朴素的方法就是：从nums数组的首位开始，一个个地向后遍历，如果有大于它的数，则计入子序列数组中，一趟下来找到一个子序列，添加到符合要求的子序列集合中；之后再从第二个数开始向后找，直到数组末尾，再将本趟找到的子序列添加到子序列集合中…如此反复，产生了一个符合要求的子序列集合，在其中找到最长的子序列长度，即为答案。该方法的时间复杂度即为O(n²)。

解法1：动态规划（暴力）

由上述分析，我们可以换个方式，遍历nums中的每一个数，统计以下标 i 结尾的元素的最长上升子序列的长度，使用dp[ i ]表示以 i 结尾的序列中，最长递增子序列的长度。最后，整个数组的最长递增子序列即所有 dp[ i ] 中的最大值。
这里我们可以定义状态转移方程：

• dp[ i ] = max (dp[ j ]) + 1 , 其中 0 ≤ j< i 且 num[ j ] < num[ i ]

即：往 dp[0…i-1] 中最长的递增子序列后面再加一个 nums[ i ]。由于 dp[ j ] 代表 nums[0…j] 中以 nums[ j ] 结尾的最长递增子序列，所以若要更新，那么 nums[ i ] 必然要大于 nums[ j ]，才能将 nums[ i ] 放在 nums[ j ] 后面以形成更长的递增子序列。

代码实现

class Solution {
   
public:
    int lengthOfLIS(vector<int>& nums) {
   
        int n = nums.size();
        if(n == 0) return 0;
        vector