经典例题-最长上升子序列

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

提示：

1 <= nums.length <= 2500
-104 <= nums[i] <= 104

进阶：

你可以设计时间复杂度为 O(n2) 的解决方案吗？
你能将算法的时间复杂度降低到 O(n log(n)) 吗?

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/longest-increasing-subsequence
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

class Solution {
    //动态规划：1.定义数组dp[i]为以nums[i]元素结尾的最长上升子序列的元素个数（这里注意区别dp[i]为前nums[i]个元素的最长上升子序列）
    public int lengthOfLIS(int[] nums) {
        if(nums.length == 0) return 0;
        int [] dp = new int[nums.length];
        dp[0] = 1;
        int result = 1;//每次保存的结果用result来存储，dp[i]仅代表以当前nums[i]元素结尾的最长上升子序列元素个数，
        //result结果存储的才为前i个元素的最长上升子序列元素个数
        //2.外层循环控制需要添加第几个元素
        for(int i = 1;i < nums.length; i++){
            dp[i] = 1;//每次添加下一个元素前，需要重置dp[i]进行重新比较
            for(int j = 0; j < i; j++){
                if(nums[i] > nums[j]){
                    //当新元素大于前面元素时，才考虑是否需要增加元素集合。
                    dp[i] = Math.max(dp[i], dp[j] + 1);
                }
            }
            //当新增一轮元素完以后，比较前i-1个元素的最大上升子序列元素个数和以nums[i]结尾的最大上升子序列元素个数，取最大值
            //作为前i个元素上升子序列元素个数
            result = Math.max(result, dp[i]);
        }
        return result;
    }
}