动态规划——最长递增子序列

动态规划——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。
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 。

思想：采用动态规划
用dp[i]来存储从0-i的最长递增子序列。
dp[i]= max{dp[j]}+1 (0<j<i，nums[j]<nums[i])
将方程解释出来解释，每次加入一个值，在前面比它小的值中寻找拥有最长子序列的，然后加上1就是这个值的最长子序列长度。
自己写的：

class Solution {
    public int lengthOfLIS(int[] nums) {
        int[]dp = new int[nums.length];
        dp[0]= 1;
        for(int i = 1;i<nums.length;i++){
            int max = 1;
            boolean flag = false;
            for(int j=0;j<i;j++){
                if(dp[j]>=max&&nums[i]>nums[j]){
                    max= dp[j];
                    flag = true;
                }
            }
            if(flag == true)
            dp[i]=max+1;
            else
            dp[i]=max;
        }
        Arrays.sort(dp);
        int res = dp[nums.length-1];
        return res;

    }
}

官方解法

class Solution {
    public int lengthOfLIS(int[] nums) {
        if (nums.length == 0) {
            return 0;
        }
        int[] dp = new int[nums.length];
        dp[0] = 1;
        int maxans = 1;
        for (int i = 1; i < nums.length; i++) {
            dp[i] = 1;
            for (int j = 0; j < i; j++) {
                if (nums[i] > nums[j]) {
                    dp[i] = Math.max(dp[i], dp[j] + 1);
                }
            }
            maxans = Math.max(maxans, dp[i]);
        }
        return maxans;
    }
}

/*作者：LeetCode-Solution
链接：https://leetcode-cn.com/problems/longest-increasing-subsequence/solution/zui-chang-shang-sheng-zi-xu-lie-by-leetcode-soluti/
来源：力扣（LeetCode）*/