java solution

class Solution {public int findNumberOfLIS(int[] nums) {//边界情况处理int n = nums.length;if(n <= 1) return n;//然后我们创建2个数组, 分别是count数组和length数组,//length[i]的含义是以i结尾的子数组的最长递增子序列长度//count[i]的含义是以i结尾的子数组的最长递增子序列数量int[] length = new int[n];int[] count = new int[n];Arrays.fill(length, 1); //每个位置结尾的子数组都至少存在长度为1的递增子序列Arrays.fill(count, 1);int maxLen = 1;//开始动态规划for(int i = 1; i < n; i++) {for(int j = 0; j < i; j++) {if(nums[j] < nums[i]) {//两种情况
//情况1. 以j结尾的子数组的最长递增子序列在末尾拼接上nums[i]的长度大于以i结尾的子数组的最长递增子序列if(length[j] + 1 > length[i]) {//更新length数组和count数组length[i] = length[j] + 1;
//继承子序列数量,因为nums[i]是直接拼接在以j结尾的子数组的最长递增子序列的末尾count[i] = count[j]; } else if(length[j] + 1 == length[i]){
//情况2. 以j结尾的子数组的最长递增子序列在末尾拼接上nums[i]的长度等于以i结尾的子数组的最长递增子序列//此时不需要更新leng数组count[i] += count[j];}}}maxLen = Math.max(maxLen, length[i]);}//然后统计最长递增子序列个数int res = 0;for(int i = 0; i < n; i++) {if(length[i] == maxLen) {res += count[i];}}return res; }
}

---

🧠 题目目标回顾

我们要解决的是：

给定一个未排序的数组 nums，返回 最长严格递增子序列的个数。

比如：

• [1,3,5,4,7] → 最长子序列长度是 4，有两种方案 [1,3,4,7] 和 [1,3,5,7] → 输出 2

---

🔍 算法核心思想 —— 动态规划

我们用 动态规划 来解决。

我们需要记录两样东西：

1. length[i]：表示以 nums[i] 为结尾的 最长递增子序列的长度
2. count[i]：表示以 nums[i] 为结尾的 最长递增子序列的数量

初始化：

• 每个元素自成一个子序列，长度为 1，个数为 1

  Arrays.fill(length, 1);
  Arrays.fill(count, 1);
  

---

🧩 动态转移逻辑

遍历每一个位置 i，再遍历它前面的每一个位置 j，进行比较：

for (int i = 1; i < n; i++) {for (int j = 0; j < i; j++) {if (nums[j] < nums[i]) {

当 nums[j] < nums[i] 时，表示可以在 j 的子序列基础上扩展

🧾 两种情况：

---

✅ 情况1：找到更长的子序列

if (length[j] + 1 > length[i]) {length[i] = length[j] + 1;count[i] = count[j]; // 继承数量
}

比如原来 nums[i] 结尾只有长度为 2 的递增序列，但现在通过 nums[j] 找到了长度为 3 的，说明有了更新：

• 更新 length[i]
• 把 count[j] 赋给 count[i]，因为所有以 j 结尾的最长子序列都可以拼到 i 上

---

✅ 情况2：找到等长的子序列

else if (length[j] + 1 == length[i]) {count[i] += count[j]; // 增加方案数
}

说明除了之前的拼法，又找到了另一种拼法也能拼出相同长度的最长子序列，因此把 count[j] 加到 count[i] 上

---

📌 最后一步：统计所有以最长长度结尾的方案数

我们之前计算了每个位置 i 的最长子序列长度，最后要从中找出最长的，然后把这些位置的方案数加起来：

int res = 0;
for (int i = 0; i < n; i++) {if (length[i] == maxLen) {res += count[i];}
}

---

⏱️ 时间与空间复杂度

• 时间复杂度：O(n²)，两层循环
• 空间复杂度：O(n)，两个数组 length[] 和 count[]

---

✅ 举个例子：输入 [1, 3, 5, 4, 7]

i	nums[i]	length[i]	count[i]	说明
0	1	1	1	初始值
1	3	2	1	1→3
2	5	3	1	1→3→5
3	4	3	1	1→3→4
4	7	4	2	1→3→4→7 和 1→3→5→7

最后返回 count=2，因为有两个长度为 4 的递增子序列。