LeetCode a Day（一）——300.最长递增子序列

300.最长递增子序列

题目描述：
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

思路与解法（1）——动态规划

这算是利用动态规划思想的一道典型题吧，动态规划的核心就是用空间换时间。
本题基本求解思路是，new 一个与nums数组等长的数组，记为res。对于nums数组中的每个数nums[i]，res数组记录以该数作为结尾的最长递增序列的长度。
然后依据以下求解过程：

1. 满足j <= i，nums[j] < nums[i]时，res[i] 取res[j] + 1和res[i]中较大的那个（j为不大于i的所有整数）。
2. 退出j的遍历时，比较max和res[i]，当res[i]更大时，更新max的值为res[i]。

最后返回时，因为在边界情况，如某数nums[i]是以自己同为首尾的序列，res[i]记录为0，但实际为1，所以应整体+1，最后返回应为max+1。

Java实现如下

class Solution {
    public int lengthOfLIS(int[] nums) {
    	// 记录以该数为结尾的最长递增序列长度
        int[] res = new int[nums.length];
        int max = 0;
        for(int i = 0; i < nums.length; i++){
            for(int j = 0; j <= i; j++){
                if(nums[i] > nums[j]){
                    res[i] = Math.max(res[i], res[j] + 1);
                }
            }
            max = Math.max(max, res[i]);
        }
        return max + 1;
    }
}

复杂度分析

时间复杂度：两个for循环嵌套，故为O(n^2)。
空间复杂度：额外使用长度为n的res数组的开销，故为O(n)。