From 53570dab62a1597e251e57c0c33091096804f133 Mon Sep 17 00:00:00 2001
From: ShusenTang <tangshusen@pku.edu.cn>
Date: Fri, 8 Nov 2019 23:59:22 +0800
Subject: [PATCH] Create 300. Longest Increasing Subsequence.md

---
 .../300. Longest Increasing Subsequence.md    | 113 ++++++++++++++++++
 1 file changed, 113 insertions(+)
 create mode 100644 solutions/300. Longest Increasing Subsequence.md

diff --git a/solutions/300. Longest Increasing Subsequence.md b/solutions/300. Longest Increasing Subsequence.md
new file mode 100644
index 0000000..c5fe656
--- /dev/null
+++ b/solutions/300. Longest Increasing Subsequence.md	
@@ -0,0 +1,113 @@
+# [300. Longest Increasing Subsequence](https://leetcode.com/problems/longest-increasing-subsequence/)
+# 思路
+给定一个数组，求最长递增子序列的长度。
+
+## 思路一、O(n^2)
+很明显是一个动态规划题，我们可以用dp[i]表示以nums[i]为结尾的最长子序列的长度。这样更新dp[i]的转移方程就为
+```
+for all j in [0, i-1]:
+  if nums[i] >= nums[j]:
+    dp[i] = max(dp[i], dp[j] + 1)
+```
+从转移方程可以看出有两层循环，所以时间复杂度为O(n^2)。
+
+## 思路二、O(nlogn)
+思路一比较好想，O(nlogn)的就不太好想了，可参考[这里](https://segmentfault.com/a/1190000003819886)，讲得比较清楚。
+
+核心思路就是：
+> 维护一个长度可变的数组tails, tails[i]表示长度为i+1的所有递增子序列中最小的那个末尾元素，这样更新完毕后tails的长度即结果。
+
+下面举个[例子](https://segmentfault.com/a/1190000003819886)说明: 
+在`1,3,5,2,8,4,6`这个例子中，当到6时，我们一共可以有四种长度的递增子序列，在每种子序列中我们取末尾元素最小的，那么这四个序列分别是
+```
+1
+1,2
+1,3,4
+1,3,5,6
+```
+为什么要选末尾元素最小的呢，是因为在长度一定的情况下，末尾元素最小的是未来最有可能成为最长序列的候选人。这样，每来一个新的数，
+我们便按照以下规则更新这些序列：
+1. 如果nums[i]比所有序列的末尾都大，或等于最大末尾，说明有更长的递增序列产生，我们把最长的序列复制一遍，并加上这个nums[i]。
+2. 如果nums[i]比所有序列的末尾都小，说明长度为1的序列可以更新了，更新为这个更小的末尾。
+3. 如果在中间，则更新那个末尾数字刚刚大于等于自己的那个序列，说明那个长度的序列可以更新了。
+
+比如这时，如果再来一个9，那就是第1种情况，更新序列为
+```
+1
+1,2
+1,3,4
+1,3,5,6
+1,3,5,6,9
+```
+
+如果再来一个3，那就是第3种情况，更新序列为
+```
+1
+1,2
+1,3,3
+1,3,5,6
+```
+如果再来一个0，那就是第2种情况，更新序列为
+```
+0
+1,2
+1,3,3
+1,3,5,6
+```
+
+前两种都很好处理，O(1)就能解决，主要是第三种情况，实际上我们观察直到6之前这四个不同长度的升序序列，他们末尾是递增的，
+所以可以用二分搜索来找到适合的更新位置。
+
+
+# C++
+## 思路一
+``` C++
+class Solution {
+public:
+    int lengthOfLIS(vector<int>& nums) {
+        int n = nums.size();
+        if(n <= 1) return n;
+        vector<int>dp(n, 1);
+        
+        int res = 1;
+        for(int i = 1; i < n; i++){
+            // j >= 0 可优化成 j >= dp[i]-1
+            for(int j = i-1; j >= 0; j--)
+                if(nums[i] > nums[j])
+                    dp[i] = max(dp[i], dp[j] + 1);
+            
+            res = max(res, dp[i]);
+        }
+        return res;
+    }
+};
+```
+
+## 思路二
+``` C++
+class Solution {
+public:
+    int lengthOfLIS(vector<int>& nums) {
+        int n = nums.size();
+        if(n <= 1) return n;
+        
+        vector<int>tails;
+        tails.push_back(nums[0]);
+        for(int i = 1; i < n; i++){
+            if(nums[i] > tails.back()) tails.push_back(nums[i]);
+            else{
+                tails[lower_bound(tails.begin(), tails.end(), nums[i]) - tails.begin()] = nums[i];
+                // 上面这句等价于下面注释部分
+                // int low = 0, high = tails.size() - 1;
+                // while(low < high){
+                //     int mid = low + (high - low) / 2;
+                //     if(tails[mid] < nums[i]) low = mid + 1;
+                //     else high = mid;
+                // }
+                // tails[low] = nums[i];
+            }
+        }
+        return tails.size();
+    }
+};
+```