两行。 第1行为一个正整数n，表示整数的个数，n≤1000。 第2行为n个整数。 【输出形式】 一个整数，为最长单调递增子序列的长度。

这是一个经典的最长上升子序列问题，可以使用动态规划求解。定义一个长度为n的数组dp，其中dp[i]表示以第i个数为结尾的最长上升子序列的长度。初始时，每个数的最长上升子序列长度都为1，即dp[i]=1。然后依次枚举前面的数，如果该数比当前数小，则更新dp[i]的值为dp[j]+1，其中j为比i小的数中，dp[j]+1最大的那个数的下标。

代码如下：

n = int(input())  # 整数的个数
nums = list(map(int, input().split()))  # n个整数

dp = [1] * n  # 初始化dp数组，每个数的最长上升子序列长度都为1

for i in range(1, n):
    for j in range(i):
        if nums[j] < nums[i]:
            dp[i] = max(dp[i], dp[j] + 1)

print(max(dp))  # 最长上升子序列的长度为dp数组中的最大值

注意，这里的时间复杂度为O(n^2)，如果要优化时间复杂度，可以使用二分查找，将时间复杂度降为O(nlogn)。具体做法是维护一个长度为len的数组d，其中d[i]表示长度为i的最长上升子序列的末尾最小的数。初始时，d[1]=nums[0]。然后依次枚举后面的数，如果该数比d[len]大，则将该数添加到d的末尾，并将len加1；否则，在d中二分查找第一个比该数大的位置，将该位置的数替换为该数。最终len即为最长上升子序列的长度。

代码如下：

n = int(input())  # 整数的个数
nums = list(map(int, input().split()))  # n个整数

d = [nums[0]]  # 初始化d数组，长度为1，末尾为nums[0]
len = 1  # 当前最长上升子序列的长度

for i in range(1, n):
    if nums[i] > d[len-1]:
        d.append(nums[i])
        len += 1
    else:
        l, r = 0, len-1
        while l < r:
            mid = (l + r) // 2
            if d[mid] < nums[i]:
                l = mid + 1
            else:
                r = mid
        d[l] = nums[i]

print(len)  # 最长上升子序列的长度即为d数组的长度