[线性dp][LIS]leetcode300：最长上升子序列(medium)

题目：

---

题解：

思路1：动态规划，时间复杂度O(n²)，空间复杂度为O(n)。

• 状态：f[i] 表示以 a[i] 结尾的最长上升子序列的长度
• 状态转移方程：f[i]=max(f[i],f[j]+1)。设j∈[0,i)，考虑每轮计算新 f[i] 时，遍历[0,i)列表区间。若 f[j]<f[i]，那么f[i]=max(f[i],f[j]+1)；否则 f[i] 不变。

---

思路2：动态规划+二分查找，时间复杂度O(nlogn)，空间复杂度O(n)。

• 思路2是思路1的优化，计算每个dp值需要O(n)的时间复杂度，二分查找num需要O(logn)的时间复杂度。
• 遍历nums，我们需要找到大于等于num的最小值的位置idx。若idx大于等于dp数组的大小，则表示我们需要将num添加到dp后面，这样可维持上升子序列的增长；若idx小于dp数组的大小，则表示我们需要更新dp[idx]的值，这样可保证上升子序列中每个值相对较小。

代码如下：

class Solution {
public:
    // LIS经典dp
    int lengthOfLIS_1(vector<int>& a) {
        int n=a.size();
        // 初始化：所有以a[i]结尾的子序列长度至少为1
        vector<int> f(n,1);
        // 进行状态计算；由于j是小于i的，所以之前由小到大枚举i时，比i小的j已经被计算过了
        // 此时用的就是计算过的上升子序列的最大值f[j]，进而进行状态转移
        for(int i=0;i<n;++i)
            for(int j=0;j<i;++j)
                if(a[j]<a[i])f[i]=max(f[j]+1,f[i]);// 可以进行状态转移
        return *max_element(f.begin(),f.end());
    }
    
    // 优化为二分解法
    int lengthOfLIS(vector<int>& a)
    {
        int n=a.size();
        // f用来存储存放子序列的结尾最小值，如f[i]=c，表示长度为i+1的递增子序列的结尾最小值为c
        // 下标和长度有1的偏差
        vector<int> f;
        for(int i=0;i<n;++i)
        {
            // 这里在f中寻找大于等于a[i]的元素的最小位置为pos，同时pos也是下标，即f[pos]=c，c是长度为pos+1的所有上升子序列的结尾最小值
            auto pos=lower_bound(f.begin(),f.end(),a[i]);
            // 若找到了>=a[i]的最小位置pos，则更小值a[i]用来更新c，这样可以让长度为pos+1所有上升子序列的结尾最小值更小，因为只有结尾数越小，上升子序列的长度越大
            if(pos!=f.end())*pos=a[i];
            // 若没有找到>=a[i]的最小位置pos，则添加a[i]到f的尾部，表示a[i]为长度为f.size()的所有上升子序列的结尾最小值
            else f.push_back(a[i]);
        }
        // f[n-1]=c表示长度为n的所有上升子序列的结尾最小值为c，此时直接返回n，表示所有最长上升子序列的长度最大值
        return f.size();
    }
};