动态规划系列之「最长连续递增序列」

674. 最长连续递增序列

给定一个未经排序的整数数组，找到最长且连续的递增序列，并返回该序列的长度。

示例 1:

输入: [1,3,5,4,7]
输出: 3
解释: 最长连续递增序列是 [1,3,5], 长度为3。
尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的，因为5和7在原数组里被4隔开。 

示例 2:

输入: [2,2,2,2,2]
输出: 1
解释: 最长连续递增序列是 [2], 长度为1。

注意： 数组长度不会超过10000。

思路： 连续递增，那么只考虑nums[i]和其前面的nums[i-1]即可

解法一：

class Solution {
    public int findLengthOfLCIS(int[] nums) {
        int LEN = nums.length;
        if(LEN == 0 || nums == null) return 0;
        int[] dp = new int[LEN];
      	Arrays.fill(dp, 1);
        int res = 0;
      	for(int i = 1; i < LEN; i++){	
            if(nums[i-1] < nums[i]){
                dp[i] = dp[i-1]+1;
            }
            res = Math.max(res, dp[i]);
        }
      	return (res > 1)? res:1;
    }
}

时间复杂度：O(n)

空间压缩：O(n)

解法二：滑动窗口（状态压缩），只需要保存前面的状态即可，而不需要保存所有状态

class Solution {
    public int findLengthOfLCIS(int[] nums) {
        int LEN = nums.length;
        if(LEN == 0 || nums == null) return 0;
      
        int pre = 1;
      	int cur = 1;
        int res = 0;
      	for(int i = 1; i < LEN; i++){	
          	pre = cur;
            if(nums[i-1] < nums[i]){
                cur = pre + 1;
            }else{
              	cur = 1;
            }
            res = Math.max(res, cur);
        }
      	
      	return (res > 1)? res:1;
    }
}

时间复杂度：O(n)

空间压缩：O(1)