Leetcode300题 最长递增子序列详解

LeetCode 300题，最长递增子序列详解

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[3,4,2,7]是数组[0,3,1,6,2,2,7]的子序列。

子序列是顺序不可以改变，但是可以不连续的。子数组必须得是连续的。
原题目要求最长递增子序列的长度，如果只使用动态规划的话，时间复杂度会是n²，不符合。因此我们需要将动态规划与二分结合。
二分的时间复杂度是logn，结合后的时间复杂度是nlogn。

思想：最长子序列是上升最慢的，我们需要让序列上升的尽可能的慢。使用反证法站名末尾数组最小值的单调性，因此可以使用二分法来查找更新元素的最小值，找到上升最慢的序列。

vector<int> lengthOfLIS(vector<int>& nums){
	vector<int> ans;//组里用来存放一些递增子序列
	vector<int> maxLen;//存放最长自增子序列，其实就是贪心+二分的dp数组
	
	ans.push_back(nums[0]);//递增子序列一开始存在的元素是nums[0]
	maxLen.push_back(1);//初始时最长递增子序列长度为1
		
	for(int i = 1;i<nums.size();i++){
		if(nums[i]>ans.back())//单调递增{
			ans.push_back(nums[i]);//和初始化的逻辑差不多，就不断的增加最长递增子序列的长度
			maxLen.push_back(ans.size());//同上
		}
		else{
			auto pos = lower_bound(ans.begin(),ans.end(),nums[i])-ans.begin();//第一个大于等于nums[i]的位置。
			ans[pos] = nums[i];//将pos处的值换成nums[i],pos处位置元素肯定是比nums[i]大的，这样换小了。
			maxLen.push_back(pos+1);//长度更改为pos+1,因为0处位置也很重要，所以说加上0.
		}
	}

	//return *max_element(maxLen.begin(),maxLen.end());这个其实就是上面leetcode的要求
	//填充最长递增子序列  返回最长递增子序列
	int i = nums.size()-1;//i对应于nums
	int j = ans.size();//j对应于ans
	while(j>0)
	{
		if(maxLen[i]==j)
		{
			ans[--j] = nums[i];	
		}
		i--;
	}
	return ans;
}

lower_bound(begin，end，val)包含在中，它的作用是返回有序数组begin，end中第一个大于等于val的元素的迭代器。
使得最长上升递增子序列的元素变得更加小，这里肯定是nums[i]的值更加小。

关键思想其实就是尽可能的使数据上升的更加慢，在ans内存储的递增子序列，如果新来的数字是递增的，那样的话直接加在后面就可以了。要不然的话需要找到当前元素的lower_bound的位置，之后需要在当前位置加上该位置的值，ans[pos] = nums[i]，同时maxLen.push_back(pos+1)。具体看备注。

需要返回最长递增子序列的值，就需要往ans里面加入元素，j是ans里面大小的位置。i是maxLen的位置下标。