动态规划：最长递增子序列

**

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：

1. 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
2. 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;
}