算法：最长上升子序列【动态规划】

最长递增子序列

给定一个无序的整数数组，找到其中最长上升子序列的长度。

示例:

输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。
说明:

可能会有多种最长上升子序列的组合，你只需要输出对应的长度即可。
你算法的时间复杂度应该为 O(n2) 。
进阶: 你能将算法的时间复杂度降低到 O(n log n) 吗?
leetcode

题目分析：

• 求最长递增子序列长度，且子序列无需连续
• 动态规划：构建一维dp，dp[i]表示以nums[i]结尾时，从nums[0:i]的最长上升子序列的长度
• 初始化dp[i]为1，表示最长递增子序列只有nums[i]一个
• 遍历nums：dp[i] = max(dp[j] + 1),0<=j<i,nums[j] < nums[i]
• 此方法时间复杂度为O(NN)，若要优化为O(NlogN)，则使用二分查找

# 动态规划：构建一维dp，dp[i]表示以nums[i]结尾时，从nums[0:i]的最长上升子序列的长度
# dp[i] = max(dp[j] + 1),0<=j<i,nums[j] < nums[i]
# 此方法时间复杂度为O(N*N)，若要优化为O(N*logN)，则使用二分查找


class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        if nums is None or len(nums) == 0:
            return 0
        dp = [1] * len(nums)
        for i in range(len(nums)):
            for j in range(i):
                if nums[j] < nums[i]:
                    dp[i] = max(dp[i], dp[j]+1)
        # print(dp)
        return max(dp)