7月15号每日一题是简单贪心，可以用桶排序降到O（n）-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_40857308/article/details/119871287

这篇博客讨论了如何使用动态规划和二分查找解决最长递增子序列（LIS）问题。作者分享了两种不同的解决方案，包括一个基于动态规划的n^2复杂度方法和一个利用二分查找实现的nlogn复杂度算法。通过这两者，作者展示了在优化算法复杂度方面的思考，并表示经过两个月的练习，对这类问题有了更深的理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1846. 减小和重新排列数组后的最大元素

今天快到150道题目，所以又练了一道动态规划，复杂度n^2有点高，但胜在简洁

300. 最长递增子序列

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        #很明显的动态规划题目
        n = len(nums)
        dp = [0]*(n+1)
        dp[0]=1
        for i in range(1,n):
            dp[i] = max([dp[i-j]+1 if nums[i]>nums[i-j] else 1 for j in range(i+1)])
        return max(dp)

思考一下优化思路：

一种是不用动态规划的思路。使用二分(这个问题有用到sort的数组)

构建一个递增序列，遍历原数组，如果一个数小于他前面的数，通过二分找到他应该处于的位置，用更小的数替换该数，这种情况下，n 不会有变化，但保留了一个更小数的信息，方便构建更新的递增序列。

时间复杂度O(nlogn)但很难想到

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        #二分做法
        import bisect
        n = len(nums)
        LIS = []
        for i,num in enumerate(nums):
            if i ==0 or num>LIS[-1]:
                LIS.append(num)
            elif num<LIS[-1]:
                indx = bisect.bisect_left(LIS,num)
                LIS[indx]= num
        return len(LIS)

还有一种结合二分和动归的做法和二分本质上一样，唯一的区别是维护了一个dp数组，脱裤了放屁的做法

两个月练了150道题目了，感觉有一点了。