【Leetcode_300】最长递增子序列（LIS）

1. 题目描述

LeetCode 300. 最长递增子序列

最长递增子序列（LIS）和最长公共子序列（LCS）都是典型的动态规划问题。

题目：
给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。
子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。


示例1：
输入：nums = [10,9,2,5,3,7,101,18]
输出：4
解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。


示例2：
输入：nums = [0,1,0,3,2,3]
输出：4


示例3：
输入：nums = [7,7,7,7,7,7,7]
输出：1

2. 解题思路

首先需要对 子序列 和 子串 这两个概念进行区分！（我之前一直搞错了）

• 【子序列】：并不要求连续，例如上面的示例1中的 [2,3,7,101] 显然就不是连续的，但只要保证输出的这个子序列内没有递减就可以了。
• 【子串】：是原数组、字符串中的子串，不能有间隔。例如示例1中的 [3,7,101] ， 2 跟 3 之间还隔着个 5 ，所以 2 不算在内。

2.1 定义状态 dp[i]

dp[i] ：以 nums[i] 结尾的最长递增子序列。

（注意，这个不是最终输出的结果，最终输出的应该是所有 dp[i] 中的最大值）

2.2 状态转移方程

我们假设 [0, i-1] 之间的某个数 j ，当最后一个数 i 比第 j 个数大的时候（即 nums[i] > nums[j] ），我们只需要在这个 j 对应的dp数组的值 dp[j 的基础上 +1 ，作为我们的 dp[i] 就行了。

j 有这个多个，选哪个才会使得 dp[i] = dp[j] + 1 最大呢？ ——> 用 for 循环把 j 从 0 - j-1 都遍历一次不就知道了。

即，对于每个 i 都循环体内部都有：

for (int j = 0; j < i; j++) {
    if (nums[i] > nums[j]) {
        dp[i] = Math.max(dp[i], dp[j] + 1);
    }
}

2.3 初始化

显然，如果数组碰巧都是递减的，那每一个位置上的数，其最长递增子序列都是1。

故，预先对上面的 dp[i] 都fill上1：Arrays.fill(dp, 1) 。

2.4 输出

得到 dp[] 数组后，遍历找出最大值然后 return 即可。

3. 代码（Java）

class Solution {
    public int lengthOfLIS(int[] nums) {
        if (nums == null || nums.length == 0) return 0;
        int len = nums.length;

        // dp[i] 表示：包含第i个元素的最大子序列
        int[] dp = new int[len];
        Arrays.fill(dp, 1);

        // 先计算dp[i]
        for (int i = 1; i < len; i++) {
            for (int j = 0; j < i; j++) {
                if (nums[i] > nums[j]) {
                    dp[i] = Math.max(dp[i], dp[j] + 1);
                }
            }
        }


        // 再滑动窗口找出dp[] 里面最大的
        int ans = 0;
        for (int i = 0; i < len; i++) {
            ans = Math.max(ans, dp[i]);
        }
        return ans;
    }
}

4. 优化

参考题解1（LeetCode 官方）

参考题解2（liweiwei1419）