674. 最长连续递增序列
题目描述
给定一个未经排序的整数数组，找到最长且 连续递增的子序列，并返回该序列的长度。
连续递增的子序列 可以由两个下标 l 和 r（l < r）确定，如果对于每个 l <= i < r，都有 nums[i] < nums[i + 1] ，那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是连续递增子序列。
示例 1：
输入： nums = [1,3,5,4,7]
输出： 3
解释： 最长连续递增序列是 [1,3,5], 长度为3。
尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的，因为 5 和 7 在原数组里被 4 隔开。
示例 2：
输入： nums = [2,2,2,2,2]
输出： 1
解释： 最长连续递增序列是 [2], 长度为1。
暴力法解析
// 外层for循环，从前向后遍历
// 内层for循环
在数组中，后者>前者，则继续遍历，否则跳出内层for循环
暴力法代码
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
int len = nums.size();
if (len <= 1)
{
return len;
}
int result = 0;
// 外层for循环，从前向后遍历
for (int i = 0; i < len - 1; i++)
{
int tmp = nums[i];
int count = 1;
// 内层for循环
for (int j = i + 1; j < len; j++)
{
// 后者>前者，继续向后遍历
if (nums[j] > tmp)
{
count++;
tmp = nums[j];
}
// 否则跳出循环
else{
break;
}
}
if (count > result)
{
result = count;
}
}
return result;
}
};动态规划解析
/**
* @brief 动态规划
* 1、确定dp数组以及下标含义
* dp[i] : 表示以下标i结尾的数组的连续递增子序列长度为dp[i]
* 2、确定递推公式
* 若 nums[i+1] > nums[i] , 那么以i+1结尾的数组的连续递增子序列的长度为：
* dp[i+1] = dp[i]+1
* 3、初始化dp数组
* 一下标i结尾的数组，长度最小为1，所以dp[i]初始化为1
* 4、确定遍历顺序
* 从前向后遍历即可
*
*/
动态规划代码
class Solution
{
public:
int findLengthOfLCIS(vector<int> &nums)
{
int len = nums.size();
if (len <= 1)
{
return len;
}
int result = 1;
// 定义dp数组，并进行初始化
vector<int> dp(len, 1);
for (int i = 0; i < len - 1; i++)
{
// 递推公式
if (nums[i + 1] > nums[i])
{
dp[i + 1] = dp[i] + 1;
}
if (dp[i + 1] > result)
{
result = dp[i + 1];
}
}
return result;
}
};
