算法题解：经典的动态规划问题——最长递增子序列（一）

题目分析

题目链接：https://leetcode.com/problems...

这也属于搜索问题。我们首先想象最长递增子序列（LIS）具有什么样的特征，然后根据这种特征来扫描输入。
如果存在某个数字X比某个已有的递增子序列的最后一个元素E要大，且X在E的右边，那么X就可以添加到这个递增子序列的末尾，从而使递增子序列的长度更大。
等等，某个已有的递增子序列又是哪个子序列呢？我们希望，这个序列应该也是某一种最长递增子序列（LIS），从而我们的问题能够被递归地求解。

考虑2, 11, 4, 12, 6, 1。
很容易看出LIS是2, 4, 6，它是通过2, 4的末尾增加6构成的。2, 4能与6组合，当且仅当2, 4是满足以下条件的最长递增子序列（LIS）：

• 所有元素都在6左边（也就是结尾元素在6左边）
• 最大元素比6小（也就是结尾元素比6小）

那么，在我们不知道答案的情况下，当我们扫描到6的时候，应该怎样找出2, 4呢？
为了找出能与6组合的LIS，我们要依次检查结尾元素在6左边且比6小的LIS：

• 以2结尾的LIS
• 以4结尾的LIS

在这些LIS中，长度最长的那个就可以与6进行组合，形成以6结尾的LIS。

递归的关系在这里出现了：为了找到以6结尾的LIS，我们需要先找到以2结尾的LIS和以4结尾的LIS（也就是那些结尾元素比当前元素小且在当前元素左边的LIS）。
从动态规划的角度看，一个较大的父问题被分解为了两个较小的子问题，且父问题和子问题是同一种问题。

既然我们已经可以递归地找到以X结尾的LIS，为了利用这一点，我们就将整个问题转化为：对于输入序列中的每个元素X，分别找出找出以X结尾的LIS，其中长度最长的，就是我们要找的最终LIS。

动态规划进一步要求问题的解决顺序，先解决较小的问题，然后用较小问题的答案来解决较大的问题，而不要使用递归的方式。看下面的代码实现。

代码实现

class Solution
{
public:
  int lengthOfLIS(vector<int> &nums)
  {
    const int size = nums.size();
    if (size < 1)
      return 0;
    int max_length = 1;
    // lengthOfLISEndAtI[i]存储了：以nums[i]结尾的LIS的长度。
    vector<int> lengthOfLISEndAtI(size, 1);

    for (int i = 1; i < size; i++)
    {
      // 当前扫描到的元素是nums[i]
      for (int j = 0; j < i; j++)
      {
        // 找出那些在nums[i]左边且比nums[i]小的元素
        if (nums[j] >= nums[i])
          continue;
        // 以nums[j]结尾的LIS与nums[i]组合，是否能产生更长的LIS（以nums[i]结尾）
        if (lengthOfLISEndAtI[i] < lengthOfLISEndAtI[j] + 1)
        {
          lengthOfLISEndAtI[i] = lengthOfLISEndAtI[j] + 1;
        }
      }
      // 以哪个元素结尾的LIS最长
      if (max_length < lengthOfLISEndAtI[i])
      {
        max_length = lengthOfLISEndAtI[i];
      }
    }
    return max_length;
  }
};

此算法的时间复杂度是O(n^2)。用了2层嵌套循环：

• 外层循环用来逐个扫描输入，假设当前扫描到的元素是X
• 内层循环用来找出在X的左边（也就是已经扫描过的），且值比X小的元素E，使X能拼接到以E结尾的LIS的后面

如果用二叉树来存储已经扫描过的节点，那么内层查找的时间复杂度能降低为O(logn)。从而整个算法的时间复杂度降低为O(nlogn)。

可以看出，我们在计算lengthOfLISEndAtI[i]用到了lengthOfLISEndAtI[j]（其中j比i小），lengthOfLISEndAtI[j]在此之前就已经算出来了。因此，只要按照合适的顺序来求解小问题，我们将大问题分解为小问题的时候就不需要递归，可以直接使用之前的计算结果。

在这里，lengthOfLISEndAtI数组有更一般的含义：它存储了子问题的计算结果，从而我们在计算父问题的时候可以直接使用。（我们计算完父问题依赖的所有子问题以后，再去计算父问题，此时子问题的结果已经在存储中了）

扩展阅读

• 知乎问题：什么是动态规划？动态规划的意义是什么？
• 经典的动态规划问题——最长递增子序列（二）