题目描述
如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为摆动序列。第一个差（如果存在的话）可能是正数或负数。少于两个元素的序列也是摆动序列。
例如， [1,7,4,9,2,5] 是一个摆动序列，因为差值 [6,-3,5,-7,3] 是正负交替出现的。相反, [1,4,7,2,5] 和 [1,7,4,5,5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。
给定一个整数序列，返回作为摆动序列的最长子序列的长度。通过从原始序列中删除一些（也可以不删除）元素来获得子序列，剩下的元素保持其原始顺序。
示例1
输入： [1,7,4,9,2,5] 输出： 6 解释： 整个序列均为摆动序列。
示例2
输入： [1,17,5,10,13,15,10,5,16,8] 输出： 7 解释： 这个序列包含几个长度为 7 摆动序列，其中一个可为[1,17,10,13,10,16,8]。
示例3
输入： [1,2,3,4,5,6,7,8,9] 输出： 2
题解
这题题面说的啰里啰唆的，其实就一句话：给你一个序列，找出最长的一个子序列，其中子序列相邻两个数的大小是波形的（也就是大小大小大等等这样的）。
暴力法
用 dfs 枚举所有可能的子序列，然后看最长的是多少，这种方法显然会超时。
动态规划
其实看到这道题，我第一个想到了最长上升子序列，这不就变了个形式嘛，于是动态规划解法直接就有了。
用 表示以 结尾的符合条件的最长子序列长度，其中 s 取 1 表示在 处子序列上升，取 0 表示下降。那么我们只需要遍历之前的所有 j ，如果 ，那么在 j 处必须是要下降的，更新：
如果 ，那么在 j 处必须是要上升的，更新：
然后取数组中最大值就是答案了，时间复杂度 。
动态规划+时间优化
换个定义，用 表示 之前的最长子序列，注意和上面的区别就是不一定以 结尾了。s 取 1 表示最后两个数是上升的，取 0 表示最后两个数是下降的。
这里分为几种情况：
- :
- 考虑 ，也就是最后两个数下降的，那肯定不能取 ，因为 比它更小、更优，所以直接更新为 。
- 考虑 ，也就是最后两个数上升的，那如果不取 ，那更新为 ；如果取的话，我们就要保证 i-1 之前最后两个数是下降的，并且之前的最后一个数小于 。我们可以证明， i-1 之前的最后两个下降的数一定满足：第二个数 是小于 的，因为如果 ，那么 j 到 i 之间的数一定是单调下降的，否则存在更长的子序列，那么就和 矛盾了。综上，取的话 更新为 。
- : 同样考虑最后两个数上升还是下降，分析和上面一样。
综上考虑，时间复杂度可以降为 ，空间复杂度是 。
动态规划+空间优化
在上面优化的基础上，我们还可以观察到，每一次 其实只会用到 ，所以我们只需要保存当前和前一时刻的状态就行了，空间复杂度可以降为 。
贪心法
其实这题还可以直接贪心做，考虑一段连续的上升序列，最优子序列一定是包括了首尾两个数的，因为首是最小的数，选了它才能给前一个数留出更大的上升空间，而尾是最大的数，选了它才能给下一个数留出更多的下降空间。
所以我们贪心的扫描一遍数组，遇到上升或者下降的转折点就选取这个数。而如果数组不升不降，也就是不变的话，就不用管它，因为这些相同的数里面只需要选取一个就行了。
时间复杂度是 ，空间复杂度是 。
代码
动态规划（c++）
class Solution { public: int wiggleMaxLength(vector<int>& nums) { int n = nums.size(); if (n <= 1) return n; int dp[n][2], res = 1; memset(dp, 0, sizeof dp); dp[0][0] = dp[0][1] = 1; for (int i = 1; i < n; ++i) { for (int j = 0; j < i; ++j) { if (nums[j] != nums[i]) { int s = nums[j] < nums[i]; dp[i][s] = max(dp[i][s], dp[j][s^1]+1); } } res = max(res, dp[i][0]); res = max(res, dp[i][1]); } return res; } };
动态规划+时间优化（c++）
class Solution { public: int wiggleMaxLength(vector<int>& nums) { int n = nums.size(); if (n <= 1) return n; int dp[n][2]; memset(dp, 0, sizeof dp); dp[0][0] = dp[0][1] = 1; for (int i = 1; i < n; ++i) { if (nums[i] == nums[i-1]) { dp[i][0] = dp[i-1][0]; dp[i][1] = dp[i-1][1]; } else { int s = nums[i] > nums[i-1]; dp[i][s] = max(dp[i-1][s], dp[i-1][s^1] + 1); dp[i][s^1] = dp[i-1][s^1]; } } return max(dp[n-1][0], dp[n-1][1]); } };
动态规划+空间优化（c++）
class Solution { public: int wiggleMaxLength(vector<int>& nums) { int n = nums.size(); if (n <= 1) return n; int dp[2][2]; memset(dp, 0, sizeof dp); dp[0][0] = dp[0][1] = 1; for (int i = 1; i < n; ++i) { if (nums[i] == nums[i-1]) { dp[1][0] = dp[0][0]; dp[1][1] = dp[0][1]; } else { int s = nums[i] > nums[i-1]; dp[1][s] = max(dp[0][s], dp[0][s^1]+1); dp[1][s^1] = dp[0][s^1]; swap(dp[0][s], dp[1][s]); swap(dp[0][s^1], dp[1][s^1]); } } return max(dp[0][0], dp[0][1]); } };
贪心（c++）
class Solution { public: int wiggleMaxLength(vector<int>& nums) { int n = nums.size(); if (n <= 1) return n; int res = 1, pre_ord = -1; for (int i = 1; i < n; ++i) { if (nums[i] == nums[i-1]) continue; int ord = nums[i] > nums[i-1]; if (ord != pre_ord) res++; pre_ord = ord; } return res; } };
后记
鼠年快乐，新年献给大家的第一道题，尽量写的详细一点。
官方题解没有严谨的证明，虽然方法也是这 5 种，但是没有说清楚，不能令人信服。
