LeetCode-300. 最长递增子序列

LeetCode-300. 最长递增子序列 (中等)

题目地址：https://leetcode-cn.com/problems/longest-increasing-subsequence/

1. 题目描述及示例

      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。

示例一：

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 。

示例二：

输入: nums = [0,1,0,3,2,3]
输出: 4

示例三：

输入: nums = [7,7,7,7,7,7,7]
输出: 3

2. 题解和代码实现

      最长递增子序列，从最长来看显然我们可以采用动态规划法进行实现。定义一个数组dp 用来进行存储下标为的i的位置的数据，作为最长子序列的最后一个数据，所形成的最长子序列的长度。例如：对**[0,1,0,3,2,3],所对应的dp**数组为：
[1,2,1,3,3,4] ,在这里，我们有:

1. dp[0] = 1
2. dp[1] = 2，对于nums[1]==1，显然可以加入到前面的子序列后面。
3. dp[2] = 1，对于nums[2]==0，只能依靠它自身形成一个子序列，不可加入前面的子序列。
4. dp[3] = 3，对于nums[3]==3，我们可以形成[0,1,3]的子序列，显然有加上nums[3]之后，对应于i前面所有子序列，加上nums[i]的最大长度。
5. dp[4] = 2，对于nums[4]==2，我们可以形成[0,1,2]的子序列，显然有加上nums[4]之后，对应于i前面所有子序列，加上nums[i]的最大长度。
6. dp[5] = 3，对于nums[5]==3，我们可以形成[0,1,2,3]的子序列，即i之前的所有子序列加上nums[i]，所形成的子序列的最大值。

2.1 初始化

      定义一个长度为**nums.size()**数组，dp[0] = 1 ，显然第一个元素一定能够形成第一个子序列。我们进行初始化所有的数组元素均为1，即

	vector<int> dp(nums.size(),1);

2.2 状态转移方程

      对于dp[i]，显然为i之前的所有的所有子序列，加上nums[i]之后所能够形成子序列的最大值。

	for(int j=0;j<i;j++){
		if(nums[i]>nums[j]){
			dp[i] = max(dp[i],dp[j+1]);
		}
	}

代码实现（C++ 2022-4-16）

	class Solution {
	public:
		int lengthOfLIS(vector<int>& nums) {
			vector<int> dp(nums.size(),1);
			int max_length = dp[0];
			for(int i=1;i<nums.size();i++){
				for(int j=0;j<i;j++){
					if(nums[i]>nums[i])
						dp[i] = max(dp[i],dp[j]+1)
				}
				max_length = max(dp[i],max_length);
			}
			return max_length;
		}
	};

3. 总结

      在这里的实现，采用动态规划的思想，主要在于dp[i]用于表示什么，这个点想明白之后，解题就相对简单一些。
      应该总结一些dp[i]所代表的事情：
1. 代表加上该位置之后所能形成的一些东西，不代表该问题的最优解
2. 代表加上该位置之后所能形成的一些东西，代表该问题最优解
上面这两点要理解清楚。