def basic_lis(seq): l=[1]*len(seq) for cur ,val in enumerate(seq): #enumerate返回元素的"索引和值" for pre in range(cur): if seq[pre]<val: l[cur]=max(l[cur],1+l[pre]) return max(l) L=[49, 64, 17, 100, 86, 66, 78, 68, 87, 96, 19, 99, 35] print(basic_lis(L))

这段代码实现的是最长上升子序列（Longest Increasing Subsequence，简称 LIS）的动态规划算法。在这段代码中，`l` 列表表示以当前元素为结尾的最长上升子序列的长度。`l[cur]` 的初始值为 1，表示当前元素本身构成一个长度为 1 的上升子序列。对于当前元素 `seq[cur]`，遍历它前面的所有元素 `seq[pre]`，如果 `seq[pre]` 小于 `seq[cur]`，说明可以将 `seq[cur]` 加入到以 `seq[pre]` 结尾的上升子序列中，得到一个更长的上升子序列。此时，以 `seq[cur]` 为结尾的最长上升子序列的长度为 `1+l[pre]`，需要将其与 `l[cur]` 取最大值，更新 `l[cur]`。最后，返回 `l` 列表中的最大值，即为整个序列的最长上升子序列的长度。完整代码如下：

def basic_lis(seq):
    l = [1] * len(seq)
    for cur, val in enumerate(seq):
        for pre in range(cur):
            if seq[pre] < val:
                l[cur] = max(l[cur], 1 + l[pre])
    return max(l)

L = [49, 64, 17, 100, 86, 66, 78, 68, 87, 96, 19, 99, 35]
print(basic_lis(L))

输出结果为：`6`，表示序列 `L` 的最长上升子序列的长度为 6。