leetcode300. 最长递增子序列python-动态规划篇（二分查找）

题目
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

思路及代码
1.动态规划
这题用动态规划还是比较好想到的。dp[i]表示0~i中数组的最长递增子数组。对每个dp[i],往前遍历，如果前面有比当前值小的就可以加1，dp[i] = max(dp[i],dp[j]+1)。

代码：

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

时间复杂度是O（n2），空间复杂度是O（n）。

2.二分查找

动态规划是我自己想出来的，而这个二分是我认真看解析才看懂的。二分怎么用？

是这样的，一个新的数组arr用来存放最长的递增子序列。如果当前值比arr最后一个值还有大就直接加进去，否则就利用二分法找到第一个(我认为是最后一个，或者是从右往左第一个)比当前值小的数位置i，并让arr[i+1]等于该值。

例如，0，1,1,1,2,4,7，然后遍历到当前的值是3。L指向0，R指向7，mid指向中间的1。这时候3>1,这是第一个比当前值3小的数，但此时不应该把2变成3。而是让L指向2，R指向7，mid指向4，此时4>3,R=mid-1指向2，,loc=mid,还是指向4，因为不再满足L<R所以循环终止，让loc的位置为3。也就是变成了0，1,1,1,2,3,7。

利用二分找到最后一个比当前值要小的数，将下一个数置为当前值。具体的逻辑就是如果中间值小于当前值，左指正=mid+1，否则右指针=mid-1，并且loc=mid。最后交换loc的位置为当前值。

代码：

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