动态规划做题顺序：
- 确定 dpi 的意义
- 确定递推公式
- 初始化 dpi
- 确定遍历顺序
- 举例分析
300. 最长递增子序列
给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。
子序列 是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，3,6,2,7 是数组 0,3,1,6,2,2,7 的子序列。
链接：力扣
解题思路：
本题主要考虑 元素的递增 ，因此确定 递推公式 时，也要考虑 当前遍历后的子序列的尾元素 和 即将要遍历的元素 谁大，从而确定 递归序列的尾元素 是谁。
所以 dpi 就是表示 当前遍历后的子序列的长度。并且可以确定递推公式：
dpi = Math.max(dpi, dpj + 1) && numsi > numsj
这里的比较是针对取最大的 dpj 的子序列长度，不是将 dpi 和 dpj 进行比较，也可以理解成这样：
dpi = Math.max(dpj) + 1 && numsi > numsj && 0 <= j < i
再求解 Math.max(dpi) 即可
初始化长度为1，因为长度至少是1。
javascript
var lengthOfLIS = function(nums) {
if(nums.length == 1) return 1
// 初始化都为1
let dp = Array(nums.length).fill(1)
// 递增子序列的长度
let res = 1
for(let i = 1; i < nums.length; i++) {
for(let j = 0; j < i; j++) {
// 获取最大的 dp[j]
if(nums[i] > nums[j]) dp[i] = Math.max(dp[i], dp[j] + 1)
}
// 得到最长子序列长度
res = Math.max(dp[i], res)
}
return res
}674. 最长连续递增序列
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 numsi < numsi + 1 ，那么子序列 nums\[l, numsl + 1, ..., numsr - 1, numsr] 就是连续递增子序列
链接：力扣
解题思路：
本题与上一题的不同之处在于，这道题强调 "连续"，也就是说不比较 numsj 与 numsi（j 从0遍历到 i），而是比较 numsi 与 numsi - 1，也就无需双层循环。连续递增的子序列长度最小是1，所以初始化是1。递推公式是：
dpi = dpi - 1 + 1 && numsi > numsi - 1
javascript
var findLengthOfLCIS = function(nums) {
if(nums.length == 1) return 1
// 初始化都为1
let dp = Array(nums.length).fill(1)
// 递增子序列的长度
let res = 1
for(var i = 1; i < nums.length; i++) {
if(nums[i] > nums[i-1]) dp[i] = dp[i-1] + 1
if (dp[i] > res) res = dp[i]
}
return res
}给两个整数数组 nums1 和 nums2 ，返回 两个数组中 公共的 、长度最长的子数组的长度。
链接：力扣
解题思路：
本题是要在连续最长子序列基础上，找到两个数组中的公共序列，因此，确定 dpij 是以 i - 1结尾的子序列1，和以 j - 1结尾的子序列2，最长重复子序列长度为 dpij。确定递推公式是：
dpij = dpi - 1j - 1 + 1 && nums1i - 1 == nums2j - 1
关于初始化：dpi0 和dp0j 在整个递推过程中没有实际意义，所以dpi0 和dp0j初始化为0。（这里需要初始化，方便递推）这里的遍历顺序可以先1后2或者先2后1都可以。
javascript
var findLength = function(nums1, nums2) {
const len1 = nums1.length, len2 = nums2.length
// dp数组初始化，都初始化为0
const dp = Array.from({ length: len1 + 1 }, () => Array(len2 + 1).fill(0))
// 初始化最大长度为0
let res = 0
for(let i = 1; i <= len1; i++) {
for(let j = 1; j <= len2; j++) {
if(nums1[i - 1] == nums2[j - 1])
dp[i][j] = dp[i - 1][j - 1] + 1
res = Math.max(res, dp[i][j])
}
}
return res
}