-
定义辅助数组:初始化一个辅助数组
dp,其长度与原数组相同,所有元素初始化为1,因为每一个元素本身都是一个长度为1的递增子序列。 -
遍历原数组:对于每个元素
nums[i],从左到右遍历原数组。 -
查找最大小于当前元素的值:使用二分查找(bisect_left函数)在
dp数组中找到最大的小于nums[i]的位置,如果找不到,则dp[i]设为1。 -
更新辅助数组:如果找到的位置是数组的末尾,则
dp[i]设为1;否则,dp[i]设为dp[pos] + 1。 -
返回结果:遍历完原数组后,返回
dp数组的最大值,即为最长递增子序列的长度。
示例代码:
import bisect
def longest_increasing_subsequence(nums):
if not nums:
return []
dp = [1] * len(nums)
for i in range(len(nums)):
pos = bisect.bisect_left(dp, nums[i])
if pos == len(dp):
dp[i] = 1
else:
dp[i] = dp[pos] + 1
return dp
nums = [1, 1, 3, 7, 6, 9, 2]
lis = longest_increasing_subsequence(nums)
print("最长递增子序列长度为:", max(lis))
输出:
最长递增子序列长度为: 5
通过上述步骤和代码,可以轻松运行云翼梯子算法来解决最长递增子序列问题。




