动态规划--最长上升子序列问题（LIS） O(n^2) ,O(nlogn)

LIS（Longest Increasing Subsequence）最长上升子序列 或者 最长不下降子序列。很基础的题目，有两种算法，复杂度分别为O(n*logn)和O(n^2) 。

*********************************************************************************

先回顾经典的O(n^2)的动态规划算法:

设a[t]表示序列中的第t个数，dp[t]表示从1到t这一段中以t结尾的最长上升子序列的长度，初始时设dp[t] = 0(t = 1, 2, ..., len(A))。则有动态规划方程：dp[t] = max{1, dp[j] + 1} (j = 1, 2, ..., t - 1, 且a[j] < a[t])。

一般若从a[t]开始，此时最长不下降子序列应该是按下列方法求出的： 
 在a[t+1],a[t+2],...a[n]中，找出一个比a[t]大的且最长的不下降子序列，作为它的后继。 

代码实现如下：

#include<iostream>
using namespace std;
#define max(a,b) a>b?a:b
int main()
{
	int n, i, j, dp[101], x[101], max_len;
	while (cin >> n)
	{
		for (i = 0; i < n; i++)
			cin >> x[i];
		dp[0] = 1;//表示以x[0]为子序列最右边的长度位1
		for (i = 1; i < n; i++)
		{
			dp[i] = 1;//初始化每种情况最小值为1
			for (j = 0; j < i; j++)
			{
				if (x[i]>x[j] && dp[j] + 1>dp[i])//从0-i进行扫描,查找边界小于当前最优解长度相等的解优化最优解
					dp[i] = dp[j] + 1;//如果允许子序列相邻元素相同  x[i]>=x[j]&&dp[j]&