动态规划经典例题解析 求最大上升子序列

题目：
2757:最长上升子序列

总时间限制:
2000ms
内存限制:
65536kB

描述
一个数的序列bi，当b1 < b2 < … < bS的时候，我们称这个序列是上升的。对于给定的一个序列(a1, a2, …, aN)，我们可以得到一些上升的子序列(ai1, ai2, …, aiK)，这里1 <= i1 < i2 < … < iK <= N。比如，对于序列(1, 7, 3, 5, 9, 4, 8)，有它的一些上升子序列，如(1, 7), (3, 4, 8)等等。这些子序列中最长的长度是4，比如子序列(1, 3, 5, 8).

你的任务，就是对于给定的序列，求出最长上升子序列的长度。

输入
输入的第一行是序列的长度N (1 <= N <= 1000)。第二行给出序列中的N个整数，这些整数的取值范围都在0到10000。
输出
最长上升子序列的长度。

解题思路：
首先我们先明确我们想要解决的问题：如何求出一组最大的上升子序列
然后我们就思考如何将其分成无后效性的子问题。

无后效性：简单来说，就是到达某种状态和它到达这种状态的方法无关。
可参考：https://blog.csdn.net/qq_30137611/article/details/77655707

我们第一种思想很容易就想到将该子序列直接分成几个小序列，然后求出每个小序列的最大子序列，然后将它们拼接在一起就行了。
但这种分法行不行呢？很显然是不行的，因为它不满足无后效性这一点。

为什么不行呢？我们来看看，假设分得的某个子序列为（1, 2 ,5 ,1 ,3），很显然该子序列最大上升子序列的长度为3。
它到达了某种状态：该子序列的最大上升子序列的长度为3。
他到达该状态的途径：该上升子序列可能有多种（1，2，3）或（1，2，5），这对之后的子序列的求最长上生下子序列有影响（右边最大值不同），故不满足无后效性。

所以我们可以运用递推的思想：若我们求得第n个元素为终点的最大上升
子序列的长度的话，若第n+1个元素的值大于第n个元素的值，那么加上第n+1个元素后所组成的子序列为以第n+1个元素为终点的最大上升子序列。

主要思想就已经解决，接下来看怎么实现吧。

实现：

输入：

int N,maxlen[1010],num[