题目：
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：
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。 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 <= 104
-109 <= nums[i] <= 109
----------------
思考：
本题相对于昨天的动态规划：300.最长递增子序列 最大的区别在于“连续”。
本题要求的是最长连续递增序列动规五部曲分析如下：确定dp数组（dp table）以及下标的含义
dp[i]：以下标i为结尾的数组的连续递增的子序列长度为dp[i]。注意这里的定义，一定是以下标i为结尾，并不是说一定以下标0为起始位置。确定递推公式
如果 nums[i + 1] > nums[i]，
那么以 i+1 为结尾的数组的连续递增的子序列长度 一定等于 以i为结尾的数组的连续递增的子序列长度 + 1 。即：dp[i + 1] = dp[i] + 1;注意这里就体现出和动态规划：300.最长递增子序列 的区别！因为本题要求连续递增子序列，所以就必要比较nums[i + 1]与nums[i]，
而不用去比较nums[j]与nums[i] （j是在0到i之间遍历）。
既然不用j了，那么也不用两层for循环，本题一层for循环就行，比较nums[i + 1] 和 nums[i]。
这里大家要好好体会一下！dp数组如何初始化
以下标i为结尾的数组的连续递增的子序列长度最少也应该是1，即就是nums[i]这一个元素。所以dp[i]应该初始1;确定遍历顺序
从递推公式上可以看出， dp[i + 1]依赖dp[i]，所以一定是从前向后遍历。
本文在确定递推公式的时候也说明了为什么本题只需要一层for循环，代码如下：
for (int i = 0; i < nums.size() - 1; i++) {if (nums[i + 1] > nums[i]) { // 连续记录dp[i + 1] = dp[i] + 1; // 递推公式}
}
举例推导dp数组
已输入nums = [1,3,5,4,7]为例，dp数组状态如下：

注意这里要取dp[i]里的最大值，所以dp[2]才是结果！这道题目也可以用贪心来做，也就是遇到nums[i + 1] > nums[i]的情况，count就++，
否则count为1，记录count的最大值就可以了。
-----------------
代码：
动态规划：
/*** 1.dp[i] 代表当前下标最大连续值* 2.递推公式 if（nums[i+1]>nums[i]） dp[i+1] = dp[i]+1* 3.初始化 都为1* 4.遍历方向，从其那往后* 5.结果推导 。。。。* @param nums* @return*/
class Solution {public int findLengthOfLCIS(int[] nums) {int[] dp = new int[nums.length];for (int i = 0; i < nums.length; i++) {dp[i] = 1;}int res = 1;for (int i = 0; i < nums.length - 1; i++) {if (nums[i + 1] > nums[i]) {dp[i + 1] = dp[i] + 1;}res = res > dp[i + 1] ? res : dp[i + 1];} return res;}
}
贪心：
class Solution {public int findLengthOfLCIS(int[] nums) {if (nums.length == 0) return 0;int res = 1;// 连续子序列最少也是1int count = 1;for (int i = 0; i < nums.length - 1; i++) {if (nums[i + 1] > nums[i]) count++; // 连续记录else count = 1;// 不连续，count从头开始if (res < count) res = count;}return res;}
}

LC