动态规划之最长上升子序列

最长上升子序列问题是经典的动态规划问题。

即给定一个序列，求出长度最长，且数值由小到大的子序列。

并且结果不唯一。如原始序列。2，1，5，3，6，4，6，3.

其满足条件的子序列是1，3，4，6或者是2.4.5.6。

那么如何分析此类问题呢。首先我们应该思考前后两个状态之间的关系，即求出其递归公式。并且是最大问题，当前一状态是最大的，那么后一状态同样是最大的。假设此状态是dp[5],那dp[5]=dp[4]+1?

其实是不对的，我们忽略了其还必须满足是上升的，即a[4]可能会大于a[5],所以我们必须对前一状态加一个上升的条件。具体见代码：

#include<iostream>
using namespace std;
int main(){
	int dp[1002];
	int a[1003];//装序列 
	int n;
	
	cin >> n;
	for(int i=1;i<=n;i++){
		cin >> a[i];
	}
	int ans=0;
	dp[1]=1;
	
	for(int i=2;i<=n;i++){
		for(int j=1;i<=i;j++){
			if(a[j]<a[i]){//前一状态的条件 。只有满足这一条件才算是前状态。
				dp[i]=max(dp[i],dp[j]+1);
			}
			ans=max(ans,dp[i]);
		}
	}
	
	
	
	cout << ans; 
	
	
	return 0;
}

注意一个点，就是每次更新dp[i],就要更新ans。如果直接cout << dp[n]。是不对的。因为dp[n]可能是0；