文档讲解：代码随想录
视频讲解：代码随想录B站账号
状态：看了视频题解和文章解析后做出来了
300.最长递增子序列
class Solution: # 2516 ms, faster than 64.96%def lengthOfLIS(self, nums: List[int]) -> int:n = len(nums)dp = [1] * nfor i in range(1, n):for j in range(i):if nums[i] > nums[j]:dp[i] = max(dp[j] + 1, dp[i])return max(dp)- 时间复杂度：O(n^2)
- 空间复杂度：O(n)
1. 确定dp数组的含义
dp[i] 为下标范围为0到i+1之间，最长的自增序列的长度。
2. 确定递推公式
因为本题规定了自增序列可以不连续，所以我们不能只和前一个元素对比，而是和所有前面的元素对比，如果大于前面的某个元素，就在那个元素的基础上+1，当然我们要一直保留最大值。
所以dp[i] = max(dp[j] + 1, dp[i])
其中i是当前元素，j是i之前的某个元素。
3. dp数组初始化
因为我们要返回的是长度，而每个元素单独长度已经为1了，所以所有元素都先初始化为1。
4. 确定遍历顺序
递推公式中的j是i之前的元素下标，所以从前往后递推。
5. 举例
674. 最长连续递增序列
class Solution:def findLengthOfLCIS(self, nums: List[int]) -> int:n = len(nums)dp = [1] * nfor i in range(1, n):if nums[i] > nums[i-1]:dp[i] = dp[i-1] + 1return max(dp)- 时间复杂度：O(n)
- 空间复杂度：O(n)
上一道题的简化版，不太清楚为什么卡哥为什么设置先做上道题再做这道题。
唯一区别是这次要求的是连续数组，但其实这个条件简化了遍历和递推公式，因为我们不用再使用双循环遍历当前元素之前的所有元素，而是只对比前一个就可以了。
所以这道题只需要一个循环，每个当前元素 i 只需和 i-1 对比即可。
718. 最长重复子数组
class Solution:def findLength(self, nums1: List[int], nums2: List[int]) -> int:dp = [[0] * (len(nums2) + 1) for _ in range(len(nums1) + 1)]res = 0for i in range(1, len(nums1) + 1):for j in range(1, len(nums2) + 1):if nums1[i-1] == nums2[j-1]:dp[i][j] = dp[i-1][j-1] + 1res = max(res, dp[i][j])return res- 时间复杂度：O(n^2)
- 空间复杂度：O(n^2)
1. 确定dp数组的含义
dp[i][j] ：以下标i - 1为结尾的A，和以下标j - 1为结尾的B，最长重复子数组长度为dp[i][j]。
2. 确定递推公式
根据dp[i][j]的定义，dp[i][j]的状态只能由dp[i - 1][j - 1]推导出来。
即当A[i - 1] 和B[j - 1]相等的时候，dp[i][j] = dp[i - 1][j - 1] + 1;
3. dp数组初始化
但dp[i][0] 和dp[0][j]要初始值，因为 为了方便递归公式dp[i][j] = dp[i - 1][j - 1] + 1;
所以dp[i][0] 和dp[0][j]初始化为0。
4. 确定遍历顺序
外层for循环遍历A，内层for循环遍历B，反过来也可以。
同时题目要求长度最长的子数组的长度。所以在遍历的时候顺便把dp[i][j]的最大值记录下来。
5. 举例
