一个数的序列bi，当b1 < b2 < ... < bS的时候，我们称这个序列是上升的。对于给定的一个序列(a1, a2, ..., aN)，我们可以得到一些上升的子序列(ai1, ai2, ..., aiK)，这里1 <= i1 < i2 < ... < iK <= N。比如，对于序列(1, 7, 3, 5, 9, 4, 8)，有它的一些上升子序列，如(1, 7), (3, 4, 8)等等。这些子序列中最长的长度是4，比如子序列(1, 3, 5, 8).
思路：dp，即求N个序列的这个状态可以由K(1<=k<=n-1)个序列的状态推导得出
dp[n]：表示以第n个元素结尾的子序列的最长序列长度
if a[n]>a[k] dp[n] = max{1,1 + dp[k]} (1<=k<=n-1)
解法一：O(n2)
N2的时间复杂度关键在于每次求第N个元素的时候都遍历一遍前N-1个元素，然后取最大值。
解法二：O(nlgn)
nlgn的快速之处在于不是每次去遍历前N-1个元素，而是从一开始就维护一个栈，这个栈中保存的是当前序列的“伪最长子序列”。
举例：原序列为1，5，8，3，6，7
栈为1，5，8，此时读到3，用3替换5，得到1，3，8；
再读6，用6替换8，得到1，3，6；
再读7，得到最终栈为1，3，6，7。
最长递增子序列为长度4。
可以发现栈中的序列不一定是正确的，但是长度肯定是正确的。
因为维护栈的策略是(假设栈顶元素是top, 新元素是temp)
if temp > top， temp入栈
if temp <= top, 首先找出第一个大于等于temp的栈中元素，并用temp替代它。
public void LIS(int[] nums){
int[] stack = new int[nums.length];
int size = 0;
int[] dp = new int[nums.length];
for(int i = 0; i < nums.length; i ++){
if(i == 0){
dp[i] = 1;
stack[size] = nums[i];
size ++;
}
else{
if(nums[i] > stack[size - 1]){
stack[size] = nums[i];
size ++;
dp[i] = size;
}
else if(nums[i] == stack[size - 1]){
dp[i] = size;
}
else{
int low = 0;
int high = size - 1;
while(low <= high){
int mid = (low + high) / 2;
if(stack[mid] == nums[i]){
high = mid - 1;
}
else if(stack[mid] > nums[i]){
high = mid - 1;
}
else{
low = mid + 1;
}
}
stack[low] = nums[i];
dp[i] = low + 1;
}
}
}
for(int i = 0; i < size; i ++){
System.out.print(stack[i]+" ");
}
}