阿里云有主体新增网站余姚网站如何进行优化

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。提示：
1 <= nums.length <= 10^4
-109 <= nums[i] <= 10^9

解题思路：【动态规划】

 dp[i]表示num[i]结尾的连续递增子序列长度dp[i] = dp[i - 1] + 1当 nums[i]>nums[i - 1] 时： 此情况下连续递增子序列长度为 dp[i - 1]+1 ；当 nums[i]<=nums[i - 1] 时：此情况上升子序列不成立，跳过。初始化dp[i] = 1

题目差异参考博文：[leetcode]300_最长递增子序列-CSDN博客

class Solution:def longest_continous_substring_dp(self, nums):length = len(nums)dp = [1] * lengthfor i in range(1, length):if nums[i] > nums[i - 1]:dp[i] = dp[i - 1] + 1return max(dp)
if __name__ == '__main__':num = eval(input())solution = Solution()print(solution.longest_continous_substring_dp(num))

其他思路：【贪心】

局部最优：num[i] > nums[i - 1]，连续序列长度 count + 1；其他情况 count = 1

全局最优：最大的连续长度count

    def longest_continous_substring_greedy(self, nums):length = len(nums)res = 1count = 1for i in range(1, length):if nums[i] > nums[i - 1]:count += 1else:count = 1res = max(res, count)return res

仅作为代码记录，方便自学自查自纠