力扣每日一题第2天（最长上升子序列300）

力扣每日一题第2天（最长上升子序列300）

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

示例 3：

输入：nums = [7,7,7,7,7,7,7]
输出：1

提示：

1 <= nums.length <= 2500
-104 <= nums[i] <= 104

进阶：

你可以设计时间复杂度为 O(n2) 的解决方案吗？
你能将算法的时间复杂度降低到 O(n log(n)) 吗?

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/longest-increasing-subsequence
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

动态规划，二分查找

方法一：直接动态规划

dp[i]的值表示以i结尾的最长子序列长度,初始时dp=[1]*len(nums)。设j属于[0,i),遍历[0,i)每轮重新计算dp[i].当且仅当nums[i]>nums[j]时，dp[i]=max(dp[i],dp[j]+1)。
状态转移方程：
dp[i]=max(dp[i],dp[j]+1) for j in [0,i]

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
    	if not nums : return o
    	n=len(nums)
    	dp=[1]*n
    	for i in range(n):
    		for j in range(i):
    			if nums[j]<nums[i]:
    				dp[i]=max(dp[i],dp[j]+1)
    	return max(dp)

方法二：二分查找

初始化tail=[nums[0]]，tail[len]表示长度为len的连续上升子序列的最小末尾元素。
算法具体流程：
初始化tail=[nums[0]]
遍历nums[1:]
如果num[i]>tail[-1],直接将num[i]加入到tail的末尾。
否则在tail中利用二分查找，将num[i]替换tail中第一个大于或等于num[i]
返回tail的长度

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        n=len(nums)
        if n<2:
            return n
        tail=[nums[0]]
        for i in range(1,n):
            if nums[i]>tail[-1]:
                tail.append(nums[i])
                continue
            l=0
            r=len(tail)-1
            while l<=r:
                mid=(l+r)//2
                if tail[mid]>=nums[i]:
                    r=mid-1
                else:
                    l=mid+1
            tail[l]=nums[i]
        return len(tail)