python数据结构与算法练习-(动态规划:最长上升子序列）

最长上升子序列

链接: link.

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

思路：

首先明确dp[i]的含义是指0-i且包括i的各个位置中最长的上升子序列。

初始化：每个位置的初始状态就是它自己于是设置为1。

推导：对于第i个位置来说，它可能来自于j属于[0，i-1]的任意一个位置，所以i位置字符要与[0，i-1]各位置进行比较，若num[i]>num[j]，
那么i就可能来自于j，此时dp[i] = dp[j]+1，但是不确定当前状态下dp[i]和(dp[j]+1)哪个更大，所以dp[i] = max(dp[i],dp[j]+1)。

结果返回dp中的最大值max(dp)即可。

python实现

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        dp = [1 for i in range(len(nums))]
        for i in range(1,len(nums)):
            for j in range(i):
                if nums[i] > nums[j]:
                    dp[i] = max(dp[i],dp[j]+1)
        return max(dp)

仅记录刷题过程以及需要注意的知识点，方便自己复习。