一、最長上升子序列空優異解

最長上升子序列（Longest Increasing Subsequence，LIS）問題是在給定序列中找到一個最長的子序列，使得子序列中的元素是嚴格遞增的。在求解LIS問題時，我們可以使用不同的算法，這些算法在時間復雜度和空間復雜度方面具有不同的性能。

1、動態規劃解法

動態規劃（Dynamic Programming，DP）是解決LIS問題的常用方法之一。我們可以定義一個一維數組dp，其中dp[i]表示以第i個元素結尾的最長上升子序列的長度。通過遍歷序列中的每個元素，我們可以找到以當前元素結尾的最長上升子序列。最后，整個序列的LIS長度等于dp數組中的最大值。

時間復雜度：動態規劃解法的時間復雜度為O(n^2)，其中n為序列的長度。這是因為我們需要遍歷序列中的每個元素，同時對于每個元素，我們還需要遍歷其之前的所有元素以更新dp數組。

空間復雜度：動態規劃解法的空間復雜度為O(n)，因為我們需要一個長度為n的dp數組來存儲以每個元素結尾的最長上升子序列的長度。

2、基于二分查找的優化解法

在求解LIS問題時，我們還可以利用二分查找來優化時間復雜度。我們可以定義一個數組tails，其中tails[i]表示長度為i+1的上升子序列的最小末尾元素。通過遍歷序列中的每個元素，并更新tails數組，我們可以找到最長的上升子序列。

時間復雜度：基于二分查找的優化解法的時間復雜度為O(nlogn)，其中n為序列的長度。這是因為我們需要遍歷序列中的每個元素，同時對于每個元素，我們還需要進行O(logn)的二分查找操作以更新tails數組。

空間復雜度：基于二分查找的優化解法的空間復雜度為O(n)，因為我們需要一個長度為n的tails數組來存儲長度為i+1的上升子序列的最小末尾元素。