python数据结构与算法练习-动态规划（最长连续递增序列）

最长连续递增序列

链接: link.

给定一个未经排序的整数数组，找到最长且 连续递增的子序列，并返回该序列的长度。

连续递增的子序列 可以由两个下标 l 和 r（l < r）确定，如果对于每个 l <= i < r，都有 nums[i] < nums[i + 1] ，那么子序列 [nums[l], nums[l + 1], …, nums[r - 1], nums[r]] 就是连续递增子序列。

示例 1：

输入：nums = [1,3,5,4,7]
输出：3
解释：最长连续递增序列是 [1,3,5], 长度为3。
尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的，因为 5 和 7 在原数组里被 4 隔开。 

示例 2：

输入：nums = [2,2,2,2,2]
输出：1
解释：最长连续递增序列是 [2], 长度为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连续递增子序列。

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，因为是连续的递增序列，所以它只可能来自[i-1]的位置，所以只要i位置字符与i-1位置进行比较，若num[i]>num[i-1]，
那么i就来自于i-1，此时dp[i] = dp[i-1]+1。

结果返回dp中的最大值max(dp)即可。

python实现

class Solution:
    def findLengthOfLCIS(self, nums: List[int]) -> int:
        if len(nums) == 0:
            return 0
        else:
            dp = [1 for i in range(len(nums))]
            for i in range(len(nums)-1):
                if nums[i+1] > nums[i]:
                    dp[i+1] = dp[i] + 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。