7-18 单调递增最长子序列

设计一个O(n2)时间的算法，找出由n个数组成的序列的最长单调递增子序列。

输入格式:

输入有两行：
第一行：n，代表要输入的数列的个数
第二行：n个数，数字之间用空格格开

输出格式:

最长单调递增子序列的长度

输入样例:

在这里给出一组输入。例如：

5
1 3 5 2 9

输出样例:

在这里给出相应的输出。例如：

4

代码长度限制

16 KB

时间限制

400 ms

内存限制

64 MB

n = int(input()) 
nums = list(map(int, input().split()))

dp = [1] * n

for i in range(n): 
    for j in range(i): 
        if nums[j] < nums[i]: 
            dp[i] = max(dp[i], dp[j]+1)

print(max(dp))

这段代码实现了动态规划中最长递增子序列问题的状态转移方程。具体而言，它表示以第 i 个数字结尾的最长递增子序列的长度可以通过枚举 i 前面的数字 j，找出那些比 nums[i] 小的数字，然后尝试将这些数字加入到以 j 结尾的最长递增子序列中，从而生成以 i 结尾的更长的最长递增子序列。具体而言，如果 nums[j] < nums[i]，那么以 j 结尾的最长递增子序列可以扩展到以 i 结尾的最长递增子序列，此时更新 dp[i] 的值为 dp[j]+1，表示将 nums[i] 加入到以 j 结尾的最长递增子序列中能够生成长度为 dp[j]+1 的新的最长递增子序列，然后取 dp[i] 和 dp[j]+1 中的最大值，更新 dp[i] 的值。这样，当 i 枚举完整个序列后，dp 数组中的最大值即为最长递增子序列的长度。因此，该代码段可以写作：

dp[i] = max(dp[i], dp[j]+1)

其中 dp[i] 表示以第 i 个数字结尾的最长递增子序列的长度，dp[j] 表示以第 j 个数字结尾的最长递增子序列的长度，如果 nums[j] < nums[i]，那么将 nums[i] 加入到以 j 结尾的最长递增子序列中能够生成长度为 dp[j]+1 的新的最长递增子序列，更新 dp[i] 的值为 dp[j]+1 和 dp[i] 中的较大值。