01动态规划基础---最长递增子序列长度

最近在做动态规划的专题训练，准备写一个动态规划的专栏，因为题目较多，打算分几篇来写。

对于动态规划的概念网上有很多，个人理解对于动态问题，最重要的是写出状态转移方程，其次是写出边界条件，最后根据状态转移方程和边界条件进行代码编写。需要注意的是，与递归方法相比，动态规划是自底向上的，而递归是自顶向下的。所以对于递归问题，我们首先要写出顶层的递推公式，再写出底层的递推出口；而对于动态规划问题，我们往往需要从底层开始求解，然后逐步推到高层，比如说，从a[0]=0,a[1]=1...推到a[n]=n之类的。在动态规划代码中，最常见到的就是for循环和dp[ ]数组，这是因为在dp问题的求解中，总是需要从当前状态推后一个状态，因此需要一个数组来保存当前状态。话不多说，我们来看一道基础dp算法题。

题1.对于任意数组，求它的最长递增子序列长度。比如数组array={5,2,-8,-6,3,6,9,7,10},它的最长递增子序列为-8,-6,3,6,7,10，长度为6。需要注意的是，这里的最长递增子序列不一定是连续的，而是整个数组中最长的递增子序列。

显然，这道题用dp算法是很容易解出来的。首先我们来看看本题的状态转移方程。设maxCur[i]的值为前i个数字的最长递增子序列长度，则

当maxCur[i-1]<=0时，maxCur[i]=maxCur[i-1];

当maxCur[i-1]>0时，maxCur[i]=maxCur[i-1]+1.

本题没有什么特别的边界条件，根据上述状态转移方程，相应代码如下：

public class DP1 {

	/**
	 * @param wj
	 */
	//最长递增子序列
	public static int func(int[] array){
		int length=array.length;
		if(length==1) return array[0];
		int [] maxCur=new int[length];//保存当前最长递增子序列长度
		maxCur[0]=1;//第一个元素默认为1
		for(int i=1;i<length;i++){
			if(array[i]>array[i-1]){
				maxCur[i]=maxCur[i-1]+1;
			}else{
				maxCur[i]=maxCur[i-1];
			}
		}
		
		return maxCur[length-1];
		
	}
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		int[] array={5,2,-8,-6,3,6,9,7,10};
		System.out.println(func(array));

	}

}

输出结果为6，它的最长递增子序列为-8,-6,3,6,7,10.