关于最长上升子序列的nlogn时间复杂度的DP算法详解（易懂）

受启发于：https://www.cnblogs.com/wxjor/p/5524447.html

在学习DP时相信我们都遇到过这一道题：最长上升子序列，这道题用DP来解的话时间复杂度为n^2；
这在n大概是10000，而时间限制为1秒时是可以被接受的，但是当n取到100000时我们就不能只用简单的DP来做了

这个时候我们可以使用另一种DP，那就是对长度DP

我们建立一个数组DP[100001];

DP[i]表示能使上升序列长度为i时的所有序列中的最右边的数字的最小值

比如序列 2 3 4 1 5 8 6,很显然，最长上升子序列长度为5，分别为 2 3 4 5 6或者 2 3 4 5 8

那么DP[1…5]={1 3 4 5 6}

因为长度为1时，我们可以取任意数当序列，所以很明显1是最小的，所以DP[1]=1。

当长度为2时，我们可以取的序列有 {2,3} {2,4} {2,5},{2,8}…等等，很明显所有序列中的最右边的数字的最小值为3，所以DP[2]=3;

依次类推

这个数列有什么用呢

如果我们已经有了这个DP数列，我得到了一个新数字我该怎么处理呢，比如10

很明显，如果它比6大,说明,我们可以得到序列 2 3 4 5 6 10，所以我们就可以将答案和DP数组的长度更新为6，同时DP[6]=10
既DP[1…6]={1 3 4 5 6 10}
依次类推

但是如果我们得到一个新数字不能比DP最右边的数字大呢，比如这个数字是2的时候， 我们该怎么办呢，

我们当然不能忽略这个数字，当它等于2的时候，我们可以知道，我们可以得到上升序列为{1 2}，所以DP[2]应该等于2才对
所以我们就可以更新DP数列DP[1…6]={1 3 4 5 6 10}，更新为DP[1…6]={1 2 4 5 6 10}

那有人会问，我们更新DP数列有什么用？
那是肯定有用啊 ，因为我们通过不断的更新以后，我们会把DP数组元素变得尽可能地小，导致我们可能会把最右边的数字更新得更小，使得增加长度更容易，这很棒不是吗？

比如说来了一个新的数字9的话，它比10小，那么我们就可以把10更新为9，既DP[1…6]={1 2 4 5 6 9}

增加的方法很容易，那我们的更新方法是什么？

最重要的来了：
最重要的来了：
最重要的来了：

我们更新DP数组的方法是从从到右找到第一个比他大的数字，然后把它替换掉

如果我们傻傻地从左往右找，时间复杂度仍然为n^2，欧，功亏一篑

一拍脑袋，既然DP数组是有序递增的，那么我们为什么不使用二分查找呢

所以，我们将上面的步骤用代码表示出来的时候是这样的：

#include <iostream>
#include <algorithm>
using namespace std;
const int maxn = 2e6 + 1;
int dp[maxn];
int main() {
	int n,num,ans = 0;
	cin >> n;
	for (int i = 1; i <= n; i++) {
		cin >> num;
		if (i == 1 || num > dp[ans - 1]) { dp[ans] = num; ans++; }
		else {
			auto q = lower_bound(dp, dp + ans + 1,num);
			*q = num;
		}
	}
	cout << ans << endl;
	return 0;
}