辛星Java动态规划教程第五篇:最长递增子序列(LIS)，时间复杂度O(nlogn)

对于最长递增子序列的O(n^2)解法，前面已经介绍过了，相信大家都很好理解，那么接下来就要介绍时间复杂度为O(nlogn)的解法了。

我们还是首先来介绍一下思路:
我们保存一个数组arr，它的第i项表示可以组成长度为 i+1个自增子序列的最小的结尾的那个数，这个数组里面所存储的并不是原序列的最长递增子序列，它的顺序是错乱的。
因为我们这里只要最长递增子序列的长度，这个长度就是这个数组arr里面有效元素的个数。

比如对于{5, 2, 9, 4, 8, 6, 7, 3, 1}来说，
当遍历5的时候，如果我们要组成长度为1的递增子序列，它的最小值为5， 我们在数组中保存一个元素5， 即[5]
当遍历2的时候，它比5要小，我们发现要组成长度为1的递增子序列，最大值设置为2即可，我们在数组中保存一个元素，即[2]
当遍历9的时候，它比2要大，我们发现我们可以组成长度为2的递增子序列，长度为2时最小值为9，我们在数组中保存[2,9]
当遍历4的时候，它比2要大，比9要小，我们发现我们可以组成长度为2的递增子序列，第二个元素只要是4就可以了，所以我们调整这个数组为[2,4]
当遍历8的时候，它比4要大，所以我们可以组成长度为3的递增子序列，第三个元素为8，所以我们调整这个数组为[2,4,8]
同理，当我们遍历6的时候，这个数组被调整为[2,4,6]
当我们遍历7的时候，这个数组被调整为[2,4,6,7]
当我们遍历3的时候，这个数组被调整为[2,3,6,7]
当我们遍历1的时候，这个数组被调整为[1,3,6,7]
它的最大递增子序列为: 2, 4, 6, 7，可以看到，和数组arr中保存的1，3，6，7并不相同

我们调整的规则如下:
(1).如果新遍历的数据比元素的最后一个数据要大，那么在末尾加入
(2).如果新遍历的数据比元素的最后一个数据不大，那么就替换掉比它大的数中最小的那个

需要说明的是，这个数组所存储的并不是
数组的长度就是当前最长递增子序列的长度，当然这里使用动态数组可以最大限度的节省空间，不过它可能需要来回的扩容，但是对于数据量较大，但是结果数据较少时，扩容的成本还是值得的。

下面再举一个例子吧，对于序列{65, 22, 34, 99, 27, 25, 100, 33, 35, 200, 44, 57} 来说，其逐次的判定结果分别是:
// [65]
// [22]
// [22, 34]
// [22,34,99]
// [22, 27, 99]
// [22, 25,99]
// [22,25,99,100]
// [22, 25,33, 100]
// [22, 25,33, 35]
// [22, 25, 33, 35, 44]
// [22, 25, 33, 35, 44, 57]

由于在Java中可以使用ArrayList来作为动态数组使用，而且是Java自带的工具类，我们在这里直接使用它。
因为这里用到了二分查找，所以它的时间复杂度为O(nlogn)，如下:

package com.mengzhidu.teach.algorithm.dp.demo.line;

import java.util.ArrayList;

/**