最长递增子序列

最长递增子序列是动态规划中最经典的问题之一，我们从讨论这个问题开始，循序渐进的了解动态规划的相关知识要点。
在一个已知的序列 {$a_1, a_2,...a_n$} 中，取出若干数组成新的序列{$a_{i1}, a_{i2},...a_{im}$} ， 其中下标$i1、i2…im$保持递增，即新数列中的各个数之间依旧保持原数列中的 先后顺序，那么我们称新的序列{$a_{i1}, a_{i2},...a_{im}$}为原序列的一个子序列。
若在子序 列中，当下标$ix > iy$ 时，$a_{ix} > a_{iy}$ ，那么我们称这个子序列为原序列的一个递增 子序列。最长递增子序列问题，就是在一个给定的原序列中，求得其最长递增子 序列长度。
有序列 {$a_1, a_2,...a_n$}，我们求其最长递增子序列长度。按照递推求解的思想， 我们用 F[$i$]代表若递增子序列以 $a_i$ 结束时它的最长长度。当 i 较小，我们容易直 接得出其值，如 F[1] = 1。那么，如何由已经求得的 F[$i$]值推得后面的值呢？
假设，F[1]到 F[$x-1$]的值都已经确定，注意到，以 $a_x$结尾的递增子序列，除了长度 为 1 的情况，其它情况中，$a_x$都是紧跟在一个由 $a_i(i <x)$组成递增子序列之后。要 求以 $a_x$ 结尾的最长递增子序列长度，我们依次比较 $a_x$ 与其之前所有的 $a_i(i <x)$， 若 $a_i$小于$a_x$，则说明 $a_x$可以跟在以 $a_i$结尾的递增子序列之后，形成一个新的递 增子序列。又因为以 $a_i$结尾的递增子序列最长长度已经求得，那么在这种情况下， 由以 $a_i$结尾的最长递增子序列再加上 $a_x$得到的新的序列，其长度也可以确定， 取所有这些长度的最大值，我们即能得到 F[x]的值。特殊的，当没有 $a_i (i <x)$小 于 $a_x$， 那 么 以 $a_x$结 尾 的 递 增 子 序 列 最 长 长 度 为 1。即

F[x]=max{1,F[j]+1 | $x>j$ && $a_x$>$a_j$}

我们给出求序列{1,4,3,2,6,5}的最长递增子序列长度的所有 F[i]供读者参考:

F[1]=1;
F[2]=max{1, F[1]+1 }=2;
F[3]=max{1, F[j]+1 | $a_j<a_3$&&$j<3$}=max {1,F[1]+1}=2;
………
【求解最长递增子序列代码如下:】

#include<iostream>
using namespace std;
int max(int a,int b)///取最大值函数 
{
    return a>b?a:b;
}
int main()
{
    int list[51],n;
    int dp[51];///dp[i]保存以第i个数据结尾的最长递增子序列长度
    cin>>n;
    for(int i=1;i<=n;i++)//录入序列数据
    {
    cin>>list[i];
    }
    for(int i=1;i<=n;i++)//按照数组顺序确定每一个dp[i]
    {
        int tmax=1;//最大值的初始值为1，即以其结尾的最长递增子序列长度至少为1
        //f[i]=max {1, f[j]+1|j<i && list[j]<list[i]}
        for(int j=1;j<i;j++)//遍历其前所有数据元素
         {
            if(list[j]<list[i])//若第j个比当前的值要小
            tmax=max(1,dp[j]+1);//将当前元素i排列在j号结尾的最长递增子序列之后，计算其长度dp[j] + 1,若大于当前最大值，则更新最大值
         }

        dp[i]=tmax;
    }

//求出dp的最大值即可
int ans=1;
for(int i=1;i<=n;i++)
{
    ans=max(ans,dp[i]);
}
cout<<ans<<endl;
}