最长递增子序列 动态规划

300. 最长递增子序列

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

思路：

  如果前面动态规划题做多了，这种数组题长得就像是用动态规划来解决的问题，因为它涉及到了“子序列”、“最长”之类的名词。所以直接说如何用动态规划来解决吧。对于dp数组的定义非常简单，和之前写过的都十分类似，dp[i]就代表以i位置结尾的最长递增子序列。看又是“以……结尾”的定义形式。

  但这一dp数组的状态转移方程并不算太简单，大多数情况下我们只需要写一次for就可以从头到尾生成出整个dp，但这一题我们需要写两层循环，具体原因就是因为当我们生成dp[i]时，不能只继承于dp[i-1],因为我们需要考虑它相对于之前的所有数据来说是不是递增的，即可能继承于之前所有数据。所以：在写到dp[i]时，我们还需要加上for j in range(i):来逐一判断if nums[i]>nums[j]。具体状态转移方程就是：dp[i] = max(dp[i],dp[j]+1)，dp[i]通过不断比较得出继承于之前的哪一个值可以得到最大结果。

代码：

class Solution(object):

    def lengthOfLIS(self, nums):

        lenth = len(nums)#获得数组长度

        dp = [1]*lenth#初始化dp数组，用1来初始化即可

        #dp[i]表示以i结尾的最长递增子序列

        for i in range(1,lenth):#dp[0]就是1了，从下标1开始遍历

            for j in range(i):#再套一层，遍历i之前的位置

                if nums[i]>nums[j]:#如果i位置比j大，则可以成递增序列

                    dp[i] = max(dp[i],dp[j]+1)#比较与更新

        return max(dp)

小结：

  这道题是用dp+两层循环的状态转移方程来解决，dp的定义形式是比较常见的。最后 因为我们也并不知道以谁结尾会得到最长递增子序列，所以直接返回对dp取max的值即可。