【刷题总结】最长递增子序列

问题描述（Leetcode 300. 最长递增子序列）

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。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、动态规划

动态规划首先要明确每个状态的含义，以及如何从上一个状态转换到下一个状态；
dp[i]:表示已nums[i]为结尾的递增子序列的长度；
状态转换：

dp[i]=max(dp[0]，dp[1],…,dp[i-1])+1;(nums[i]>nums[j](0<j<i))

我们对[0,3,1,6,2,2,7]这个数组演示一番
我们对每个dp的值都初始化为1，下面为了方便展示过程，后面的dp值先不展示
当i=0时，前面没有对比值，所以dp[0]=1;

当i=1时，比前面大的值是下标0（nums[1]>nums[0]）,所以dp[1]=dp[0]+1

当i=2时，比前面大的值是下标0,所以dp[2]=dp[0]+1
当i=3时，比前面大的值是下标0,1,2,所以dp[3]=max(dp[0],dp[1],dp[2])+1

当i=4时，比前面大的值是下标0,2,所以dp[4]=max(dp[0],dp[2])+1

当i=5时，比前面大的值是下标0,2,所以dp[5]=max(dp[0],dp[2])+1
当i=6时，比前面大的值是下标0,1,2,3,4,5,所以dp[6]=max(dp[0],dp[2],dp[3],dp[4],dp[5])+1
最后再比较dp值取出最大值

二、贪心+二分

既然为了求解递增最长子序列，我们为何不维持一个最长子序列的状态；
此时dp数组代表的是我们构建的最长子序列（并不是子序列，而是为了维持长度的状态）
我们对nums进行遍历，若nums[i]>dp[len],则dp[++len]=nums[i];否则在dp中寻找第一个nums[i]<=dp[j]的j值，将dp[j]=nums[i];
我们对[0,3,1,6,2,2,7]这个数组演示一番:
当i=0时，第一个数先进去dp数组：

dp=[0];

当i=1时，3>0,进入数组：

dp=[0,3];

当i=2时，1<3,在dp中找到第一个大于等于他的值替换掉：

dp=[0,1];

当i=3时，6>1,进入数组：

dp=[0,1,6];

当i=4时，2<6,在dp中找到第一个大于等于他的值替换掉：

dp=[0,1,2];

当i=5时，2=2,在dp中找到第一个大于等于他的值替换掉：

dp=[0,1,2];

当i=6时，7>2,进入数组：

dp=[0,1,7];

最终返回数组dp的长度；
注意：这个样例中没有展现出一种情况，就是在dp中找到第一个大于等于他的值替换掉这一步中，会出现dp中的序列不是nums的子序列的情况；就像我前面说的一样：此时dp数组代表的是我们构建的最长子序列（并不是子序列，而是为了维持长度的状态）；我们并不是维持一个真正的最长子序列，而是维持其长度；
我们希望每个dp[i]在其固定长度下的值能尽可能的小。
但有人会问，如果在中间替换会影响整体的过程吗？
其实并不会，从长度来说，替换时的dp长度没有变化，那么并不会对前面的操作有影响；对于该值后面的操作来说，如果是长度变长，那与中间的值无关：如果是替换，替换在该值之前，那么上面说了替换不会对前面的操作有影响，若替换在后面，俩个的子序列顺序状态也满足。

三.俩种方法的差别

1.时间

动态规划的方法的时间复杂度是O(nn),贪心+二分是O(nlogn),如果只需要知道长度，那么第二种方法是更快的。

2.状态

由上面的描述可知,贪心+二分只能知道长度而没法提取出一个最长递增子序列数组处理；而动规中的dp值其实就是最长递增子序列的下标，可以提取出一个最长递增子序列数组

四.练手的题目

1.300. 最长递增子序列
2.5959. 使数组 K 递增的最少操作次数