LeetCode 刷题笔记 - 300. 最长上升子序列

难度：

中等

描述：

给定一个无序的整数数组，找到其中最长上升子序列的长度。

示例:

输入: [10,9,2,5,3,7,101,18]
输出: 4 
解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。
复制代码

来源：力扣（LeetCode） 连接：leetcode-cn.com/problems/lo… 著做权归领扣网络全部。商业转载请联系官方受权，非商业转载请注明出处。

---

语言：

swift

解析：

这也是动态规划比较基础的一道题，咱们依旧按照基本解题思路来分析。 要求长度为 n 的序列的最长上升子序列，首先分解为子问题：

1. 求该序列长度为 0 的序列的最长上升子序列
2. 求该序列长度为 1 的序列的最长上升子序列
3. 求该序列长度为 2 的序列的最长上升子序列
4. 求该序列长度为 3 的序列的最长上升子序列
5. ...
6. 求该序列长度为 n 的序列的最长上升子序列
复制代码

而后设置状态方程，咱们设d(n)为该序列长度为n的时候的最长子序列长度，L[n]为序列L的第n位元素。

先来看第一个问题：
1. 求该序列长度为 0 的序列的最长上升子序列，显而易见序列长度为 0 的时候，最长子序列长度也为 0 ，因此d(0) = 0。
第二个问题：
2. 求该序列长度为 1 的序列的最长上升子序列的答案为1，因此d(1) = 1。
3. 求该序列长度为 2 的序列的最长上升子序列的状况就有所不一样了，咱们须要比较L[2]和L[1]的大小，若是L[2] > L[1]，则有d(2) = 2；若是L[2] < L[1]，则有d(2) = 1。
4. 求该序列长度为 3 的序列的最长上升子序列的状况会更加复杂，因为L[1]和L[2]的最长子序列是已知的，咱们仅须要把L[3]分别同L[1]和L[2]比较，找到比L[3]小的。例如示例中，d(1) = 1, d(2) = 1, d(3) = 1。
5. 求该序列长度为 4 的序列的最长上升子序列，同上一个子问题同样，咱们发现L[3] < L[4]，因此d(4) = 2，抽象为d(4) = d(3) + 1 = 1 + 1 = 2。
这个时候咱们同时须要考虑，若是第x位元素L[x]，在[1, x)区间内有y、z两个元素小于L[x]，即L[y] < L[x]、L[z] < L[x]，那么咱们须要找到d(y)和d(z)中比较大的，因此能够抽象出方程：d(x) = max{d(y), d(z)} + 1。
因此在求解：
6. 求该序列长度为 n 的序列的最长上升子序列的时候，咱们能够抽象出状态转移方程：
d(i) = max{1, d(j) + 1}(j < i, L[j] < L[i])
咱们须要在遍历每一个元素的时候，去寻找前面元素中的最长上升子序列。

自认为表达的的还不是太好。。。能够讨论一下，我还会改进。

代码以下：

class Solution {
    func lengthOfLIS(_ nums: [Int]) -> Int {
        if nums.count == 0 {
            return 0
        }
        var dict = [Int : Int]()
        var maxLength = 1
        dict[0] = 1
        for index in 0...nums.count - 1 {
            var length = 0
            if index - 1 < 0 {
                continue
            }
            for loopIndex in 0...index - 1 {
                if nums[loopIndex] < nums[index] && (dict[loopIndex] != nil) {
                    length = max(length, dict[loopIndex]!)
                }
            }
            dict[index] = length + 1
            maxLength = max(maxLength, dict[index]!)
        }
        return maxLength
    }
}
复制代码

总结

动态规划颇有趣，要经过多练习才能熟悉。