动态规划---最长上升子序列问题

经典的O(n^2)的动态规划算法:

设a[t]表示序列中的第t个数，dp[t]表示从1到t这一段中以t结尾的最长上升子序列的长度，初始时设dp[t] = 0(t = 1, 2, …, len(A))。则有动态规划方程：dp[t] = max{1, dp[j] + 1} (j = 1, 2, …, t - 1, 且a[j] < a[t])。

一般若从a[t]开始，此时最长不下降子序列应该是按下列方法求出的：
在a[t+1],a[t+2],…a[n]中，找出一个比a[t]大的且最长的不下降子序列，作为它的后继。

输入样例：1 3 5 2 9
条件：a[i]>a[j] && dp[j] + 1>dp[i]***
i=1时
dp[1]=dp[0]+1=2
i=2时
j=0 dp[2]=dp[0]+1=2
j=1 dp[2]=dp[1]+1=3 i循环内不断地更换为最大的dp[i]
i=3时
j=0 dp[3]=dp[0]+1=2
j=1 不满足a[3]>a[1]条件
j=2 不满足a[3]>a[2]条件
i=4时
j=0 dp[4]=dp[0]+1=2
j=1 dp[4]=dp[1]+1=3
j=2 dp[4]=dp[2]+1=4
j=3 不满足dp[3]+1>dp[4] */

#include<bits/stdc++.h>
using namespace std;
int main()
{
	int i,n,a[101],dp[101],max_len=0;
	cin>>n; 
	for( i=0;i<n;i++){
		cin>>a[i];
	} 
	dp[0]=1;//表示以x[0]为子序列最右边的长度位1
	for(i=1;i<n;i++){
		dp[i]=1;//初始化每种情况最小值为1
		for(int j=0;j<i;j++){
			if (a[i]>a[j] && dp[j] + 1>dp[i])
			//从0-i进行扫描,查找边界小于当前最优解长度相等的解优化最优解
                    dp[i] = dp[j] + 1;
					//如果允许子序列相邻元素相同  x[i]>=x[j]&&dp[j]+1>dp[i];
					
			/* 1 3 5 2 9
			条件：a[i]>a[j] && dp[j] + 1>dp[i] 
			i=1时，dp[1]=dp[0]+1=2
			i=2时，j=0 dp[2]=dp[0]+1=2		
				   j=1 dp[2]=dp[1]+1=3  i循环内不断地更换为最大的dp[i]	
			i=3时，j=0 dp[3]=dp[0]+1=2
				   j=1 不满足a[3]>a[1]条件
				   j=2 不满足a[3]>a[2]条件 
			i=4时，j=0 dp[4]=dp[0]+1=2
				   j=1 dp[4]=dp[1]+1=3 
				   j=2 dp[4]=dp[2]+1=4 
				   j=3 不满足dp[3]+1>dp[4] */
		}
	}
	for(int i=0;i<n;i++){//找出最大dp[i] 
		if(max_len<dp[i]) max_len=dp[i];
	} 
	cout<<max_len<<endl;
	return 0;
}