Leetcode动态规划：300.longest-increasing-subsequence（最长递增子序列）

300. 最长递增子序列

最近一直在攻克动态规划的题，Leetcode的简单题已经刷完，现在冲中等题，这道题算是一个比较经典的题吧，独立完成，虽然花了两个多小时，但收获很多；

思路：动态规划首先要找到状态，其次建立状态转移方程；此处状态无疑就是当前子序列的长度以及子序列的尾数，因为这样才能动态改变状态，比较来了一个大的数字，我可以让子序列长度+1，然后把子序列的尾数更新为它，当然这只是个简单思路，里面还有很多细节问题；

int lengthOfLIS(vector<int> &nums)
{
	int len = nums.size();
	if (len < 2)
		return len;
	// 先跳过前面的递减序列（如果存在的话）
	int start = 0;
	while (start + 1 < len && nums[start] >= nums[start + 1])
	{
		start++;
	}
	// 核心部分
	vector<int> vec;			// vec[i]=j表示以j结尾的子序列的长度为i，因为这里每次子序列的长度只能增加1，所以用数组下标很合适
	vec.push_back(0);			// vec[0]=0 没意义
	vec.push_back(nums[start]); // 把第一个元素放进去
	int cur = 1;				//cur表示当前vec数组的长度（不含vec[0] 没意义）
	// 对于nums的元素nums[i]
	for (int i = start; i < len; i++)
	{
		bool flag = true; //flag表示能否在vec中找的比nums[i]小的元素
		// 在vec中找，优先从子序列长度大的开始找，就是cur开始，依次--，直到找到
		for (int j = cur; j >= 1; j--)
		{
			// 找到vec[j]比nums[i]小，并且子序列长度为j
			if (vec[j] < nums[i])
			{
				// 如果j是最长长度，那么我加入nums[i]后必要最长长度+1，所以这里push_back
				if (j + 1 > cur)
				{
					vec.push_back(nums[i]);
					cur++;
				}
				// 否则，判断相同长度，这个nums[i]是否比vec[j+1]小，如果小，那么用它代替为vec[j+1](为什么是j+1？因为加入nums[i]后长度要+1)
				else if (vec[j + 1] > nums[i])
					vec[j + 1] = nums[i];
				// 置flag=false，表示找到了比nums[i]小的元素
				flag = false;
				break;
			}
		}
		// 如果没找到比nums[i]小的元素，那么说明nums[i]要单独作为一个子序列的起始元素，长度为1
		if (flag)
		{
			// 这时同样将它与vec[1]的元素比较，放入最小的才能保证之后有更大的机会组成最长子序列
			if (vec[1] > nums[i])
				vec[1] = nums[i];
		}
	}
	return cur; //返回vec的长度即可，表示最长递增子序列的长度
}