最长单调递增子序列_每日算法LeetCode300：最长递增子序列（难度系数1/5）

导读：算法哥发现把题目难度降低后，阅读量显著上升，所以今天再普及一道动态规划入门题。

---

题目描述：

给定一个无序的整数数组，找到其中最长上升子序列的长度。

示例:

输入: [10,9,2,5,3,7,101,18]输出: 4 解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。

说明:

• 可能会有多种最长上升子序列的组合，你只需要输出对应的长度即可。
• 你算法的时间复杂度应该为 O(n2) 。

进阶: 你能将算法的时间复杂度降低到 O(n log n) 吗?

---

题目分析：

O(n^2)算法相信大家都会就不废话了，动态规划！！！定义dp[i]表示已第i个数字结尾的最长递增子序列的长度，则：

dp[i] = max(dp[j] + 1, 0 <= j < i && nums[j] 

通估测试的源码如下：

O(n^2)算法

那么怎么把O(n^2)算法优化到O(nlogn)呢？

依然是动态规划，不过这一次，dp[i]的状态需要重新设计一下，

dp[i]表示最长递增子序列长度为i+1时(因为数组下标从0开始的)，末尾最小的数

有点绕，先不管，举个例子，你就明白鸟~

假设有数组2，4，3，4，我们依次处理，

首先考虑第一个元素2，此时dp数组里为空，所以直接插入dp数组，dp[0] = 2，表示当前最长递增子序列长度为1时，子序列末尾最小的数是2，此时只有一个数字，当然是2；

下一个数字4，此时我们在dp数组里找到一个位置，使得位置前一个数比4小，后一个数比4大，此时dp里只有一个2，所以找到2的末尾，所以直接插入4，此时dp[1]=4,表示当前最长递增子序列长度为2的时候，末尾最小元素是4；

接下来考虑3，此时依然是在dp数组里找到一个位置，使得位置前一个数比3小，后一个数比3大，所以3应该插入dp数组里4的位置，dp[1]=3,表示当前最长递增子序列长度为2时，末尾最小的元素是3，为什么要把4覆盖掉呢 ？原因很简单，因为2,3比2,4更容易形成更长的递增子序列；

最后在考虑4，此时，4比dp数组里最末尾的3大，所以直接放到dp数组尾部即可，即dp[2]=4;

最后，最长递增子序列的长度就是dp数组里元素的个数！！！

我们每次考虑一个元素时，都是找到一个位置，使得前一个数比它小，后一个比它大，然后覆盖后一个元素(假设这个元素下标是i)，因为我们找到了一个数字，使得最长递增子序列长度不变时(长度i+1)，最后一个元素更小了，这样更利于形成更长的最长递增子序列！

显然，dp数组是递增的(每次插入都保证了比前面大，比后面小)，而每次查找的过程不就是二分查找吗 ？所以复杂度是O(nlogn)！！！虽然算法哥，每次都是说显然！显然！显然！但是对于初学者，理解起来会有点困难，自己在纸上画画，体会下，哈哈哈

O(nlogn)

有个偷懒的方法，二分查找直接使用C++的lower_bound干净利落的搞定了！C++真是算法比赛里的大杀器！

总结：

两种方法都可以看到动态规划的影子，永远记住算法哥对动态规划问题的总结：

大问题可以转化成小问题，反过来，小问题可以推导出大问题！！！