**
先看一个题目
**
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
实例:
输入:[10,9,2,5,3,7,101,18]
输出:4
解释:最长的上升子序列为[2,3,7,101],长度为4
说明:
- 可能会有多种最长上升子序列的和,只需要输出对应长度即可
- 算法的时间复杂度应为O(n2)
**
问题分析
**
首先,dp数组的定义如下:dp[i]表示以nums[i]这个数结尾的最长递增子序列的长度。以上面的栗子为例,dp[5]=3,dp[7]=4
根据这个定义,最终结果应是dp数组中的最大值
int res=0;
for(int i=0;i<dp.size();i++)
{
res=max(res,dp[i]);
}
return res;
那么怎么求每一个dp[i]的值呢,这就需要知道动态规划问题的设计思想。当我们要求dp[5]时,由于是递增子序列
,只需要找到前面那些结尾比nums[[5]小的子序列,然后把nums[5]接到后面就行,就形成了一个新的子序列,而且这个新的子序列的长度+1。
当然,会形成很多种新的子序列,但我们只要最长的、把最长子序列的长度最为dp[5]的值。
for(int j=0;j<i;j++)
{
if(nums[i]>nums[j])
dp[i]=Math.max(dp[i],dp[j+1]);
}
应当注意的时,dp数组应全初始化为1,因为子序列最少也要包含自己。
**
完整代码
**
public int lengthOfLIS(int[] nums) {
int[] dp = new int[nums.length];
// dp 数组全都初始化为 1
Arrays.fill(dp, 1);
for (int i = 0; i < nums.length; i++) {
for (int j = 0; j < i; j++) {
if (nums[i] > nums[j])
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
int res = 0;
for (int i = 0; i < dp.length; i++) {
res = Math.max(res, dp[i]);
}
return res;
}