在程序中添加函数 trace_back(),尝试通过动态规划表回溯得到原问题的解。从动态规划表中获得最长递增子序列长度 查找该值的出现位置 输出从该值往前的最长递增子序列长度个元素作为原问题解返回

以下是Python实现最长递增子序列并回溯得到原问题解的代码：

def longest_increasing_subsequence(A):
    n = len(A)
    dp = [1] * n
    pre = [-1] * n

    for i in range(1, n):
        for j in range(i):
            if A[j] < A[i] and dp[j] + 1 > dp[i]:
                dp[i] = dp[j] + 1
                pre[i] = j

    max_len = max(dp)
    index = dp.index(max_len)
    res = [A[index]]

    while pre[index] != -1:
        index = pre[index]
        res.append(A[index])

    res.reverse()

    return max_len, res

A = [18, 17, 19, 6, 11, 21, 23, 15]
max_len, res = longest_increasing_subsequence(A)

print("最长递增子序列长度为：", max_len)
print("最长递增子序列为：", res)

函数`longest_increasing_subsequence`返回最长递增子序列的长度和最长递增子序列。在函数中，我们新增了一个数组`pre`用于记录每个元素在最长递增子序列中的前一个元素的下标。在求解完dp数组之后，我们可以通过回溯pre数组来得到原问题的解。

首先，我们找到最长递增子序列的最后一个元素的下标index，然后从后往前遍历pre数组，找到每个元素在最长递增子序列中的前一个元素的下标，把这个元素添加到结果数组中。最后，把结果数组翻转过来，就得到了最长递增子序列。

时间复杂度同样为O(n^2)。