300. Longest Increasing Subsequence最长递增子序列

Given an unsorted array of integers, find the length of longest increasing subsequence.

For example,

Given [10, 9, 2, 5, 3, 7, 101, 18],
The longest increasing subsequence is [2, 3, 7, 101], therefore the length is 4. Note that there may be more than one LIS combination, it is only necessary for you to return the length.

Your algorithm should run in O(n²) complexity.

Follow up: Could you improve it to O(n log n) time complexity?

给定未排序整数数组，找出其中最长的递增子序列的长度。

注意其中最长递增子序列LIS可能不唯一，你只需返回其长度。

进阶：在O(nlogn)时间完成算法。

思路

O(n^2)的方法：

很容易想出，从首元素开始，依次扫描后续元素，记录LIS长度，然后以第二个元素为首元素，以此类推。

O(nlogn)的方法：

假设存在一个序列d[1..9] = 2 1 5 3 6 4 8 9 7，可以看出来它的LIS长度为5。

下面一步一步试着找出它。

我们定义一个序列B[1..9]，第i位的元素B[i]表示以B[i]为结尾的LIS长度为i，然后令 i = 1 to 9 逐个考察这个序列，同时用变量Len来记录现在最长算到多少了。

首先，把d[1]有序地放到B里，令B[1] = 2，就是说当只有1一个数字2的时候，长度为1的LIS的最小末尾是2。这时Len=1

然后，把d[2]有序地放到B里，令B[1] = 1，就是说长度为1的LIS的最小末尾是1，d[1]=2已经没用了，这时Len=1

接着，d[3] = 5，d[3]>B[1]，所以令B[1+1]=B[2]=d[3]=5，就是说长度为2的LIS的最小末尾是5，这时候B[1..2] = 1, 5，Len＝2

再来，d[4] = 3，它正好加在1,5之间，放在1的位置显然不合适，因为1小于3，长度为1的LIS最小末尾应该是1，这样很容易推知，长度为2的LIS最小末尾是3，于是可以把5淘汰掉，这时候B[1..2] = 1, 3，Len = 2

继续，d[5] = 6，它在3后面，因为B[2] = 3, 而6在3后面，于是很容易可以推知B[3] = 6, 这时B[1..3] = 1, 3, 6，Len = 3 。

第6个, d[6] = 4，它在3和6之间，于是就可以把6替换掉，得到B[3] = 4。B[1..3] = 1, 3, 4， Len=3

第7个, d[7] = 8，比4大，于是B[4] = 8。Len变成4

第8个, d[8] = 9，得到B[5] = 9，Len继续增大，到5。

最后一个, d[9] = 7，它在B[3] = 4和B[4] = 8之间，所以我们知道，最新的B[4] =7，B[1..5] = 1, 3, 4, 7, 9，Len = 5。

于是我们知道了LIS的长度为5。

注意。这个1,3,4,7,9不是LIS，它只是存储的对应长度LIS的最小末尾。有了这个末尾，我们就可以一个一个地插入数据。虽然最后一个d[9] = 7更新进去对于这组数据没有什么意义，但是如果后面再出现两个数字 8 和 9，那么就可以把8更新到d[5], 9更新到d[6]，得出LIS的长度为6。

然后可以发现：在B中插入数据是有序的，而且是进行替换而不需要挪动——也就是说，我们可以使用二分查找，将每一个数字的插入时间优化到O(logN)，于是算法的时间复杂度就降低到了O(NlogN)

class Solution {

public:

    int lengthOfLIS(vector<int>& nums) {

        vector<int> res;     //存储LIS最小末尾的序列

        for(int i=0; i<nums.size(); i++) {

            //最小末尾序列中寻找比nums[i]大的最小数

            auto iter = std::lower_bound(res.begin(), res.end(), nums[i]);     

            if(iter==res.end()) res.push_back(nums[i]);     //未找到则添加

            else *iter = nums[i];     //找到则替换

        }

        return res.size();

    }

};