feat: 两道 dp

README.md

@@ -241,7 +241,9 @@ leetcode 题解，记录自己的 leetcode 解题之路。
 <summary> :point_right::point_right::point_right:点击展开题目列表:point_left::point_left::point_left:</summary>
 
 - [面试题 17.09. 第 k 个数](./problems/get-kth-magic-number-lcci.md)
-- [面试题 17.23. 最大黑方阵](./problems/max-black-square-lcci.md)🆕
+- [面试题 17.23. 最大黑方阵](./problems/max-black-square-lcci.md) 🆕
+- [Increasing Digits](./problems/Increasing-Digits.md) 👍 🆕
+- [Longest Contiguously Strictly Increasing Sublist After Deletion](./problems/Longest-Contiguously-Strictly-Increasing-Sublist-After-Deletion.md) 👍 🆕
 
 - [0002. 两数相加](./problems/2.add-two-numbers.md) 👍
 - [0003. 无重复字符的最长子串](./problems/3.longest-substring-without-repeating-characters.md)

SUMMARY.md

@@ -98,6 +98,8 @@
 
   - [面试题 17.09. 第 k 个数](./problems/get-kth-magic-number-lcci.md)
   - [面试题 17.23. 最大黑方阵](./problems/max-black-square-lcci.md)🆕
+  - [Increasing Digits](./problems/Increasing-Digits.md) 👍 🆕
+  - [Longest Contiguously Strictly Increasing Sublist After Deletion](./problems/Longest-Contiguously-Strictly-Increasing-Sublist-After-Deletion.md) 👍 🆕
   - [0002. 两数相加](./problems/2.add-two-numbers.md)
   - [0003. 无重复字符的最长子串](./problems/3.longest-substring-without-repeating-characters.md)
   - [0005. 最长回文子串](./problems/5.longest-palindromic-substring.md)

problems/Increasing-Digits.md

+## 题目地址（475. Increasing Digits）
+
+https://binarysearch.com/problems/Increasing-Digits
+
+## 题目描述
+
+```
+Given an integer n, return the number of positive integers of length n such that the digits are strictly increasing.
+
+Example 1
+Input
+n = 2
+Output
+36
+Explanation
+We have 12, 13, 14, ..., 89.
+
+Example 2
+Input
+n = 1
+Output
+9
+```
+
+## 前置知识
+
+- 动态规划
+
+## 思路
+
+动态规划问题的关键就是：假设部分子问题已经解决了，并仅仅考虑局部，思考如何将已解决的子问题变成更大的子问题，这样就相当于向目标走进了一步。
+
+我们可以定义状态 dp[i][j]， i 表示数字的位数，j 表示数字的结尾数字。
+
+于是转移方程就是：dp[i][j] += dp[i - 1][k]，其中 k 是所有小于 j 的非负整数。最后只要返回 dp[n-1] 的和即可。
+
+初始化的时候，由于题目限定了整数，因此需要初始化除了第一位的所有情况都为 1。
+
+## 关键点
+
+- 数位 DP
+
+## 代码
+
+代码支持：Python3
+
+Python3 Code:
+
+```py
+class Solution:
+    def solve(self, n):
+        dp = [[0] * 10 for _ in range(n)]
+        dp[0] = [0] + [1] * 9
+
+        for i in range(1, n):
+            for j in range(1, 10):
+                for k in range(j):
+                    dp[i][j] += dp[i - 1][k]
+        return sum(dp[-1])
+
+```
+
+**复杂度分析**
+
+令 n 为数组长度。
+
+- 时间复杂度：$O(n)$
+- 空间复杂度：$O(n)$
+
+力扣的小伙伴可以[关注我](https://leetcode-cn.com/u/fe-lucifer/)，这样就会第一时间收到我的动态啦~
+
+以上就是本文的全部内容了。大家对此有何看法，欢迎给我留言，我有时间都会一一查看回答。更多算法套路可以访问我的 LeetCode 题解仓库：https://github.com/azl397985856/leetcode 。 目前已经 40K star 啦。大家也可以关注我的公众号《力扣加加》带你啃下算法这块硬骨头。

problems/Longest-Contiguously-Strictly-Increasing-Sublist-After-Deletion.md

+## 题目地址（168. Longest Contiguously Strictly Increasing Sublist After Deletion）
+
+https://binarysearch.com/problems/Longest-Contiguously-Strictly-Increasing-Sublist-After-Deletion
+
+## 题目描述
+
+```
+Given a list of integers nums, return the maximum length of a contiguous strictly increasing sublist if you can remove one or zero elements from the list.
+
+Constraints
+
+n ≤ 100,000 where n is the length of nums
+Example 1
+Input
+nums = [30, 1, 2, 3, 4, 5, 8, 7, 22]
+Output
+7
+Explanation
+If you remove 8 in the list you can get [1, 2, 3, 4, 5, 7, 22] which is the longest, contiguous, strictly increasing list.
+```
+
+## 前置知识
+
+- 动态规划
+
+## 思路
+
+出这道题就是为了让大家明白一点**对于连续性的 DP 问题通常我们的策略都是一层循环 + 一维 DP（有时候可滚动数组优化）**。比如今天这个题。
+
+动态规划问题的关键就是：假设部分子问题已经解决了，并仅仅考虑局部，思考如何将已解决的子问题变成更大的子问题，这样就相当于向目标走进了一步。
+
+我们可以定义状态：
+
+- dp[i][0] 表示以 nums[i] 结尾的删除 0 个数的情况下的最长严格递增子数组。
+- dp[i][1] 表示以 nums[i] 结尾的删除 1 个数的情况下的最长严格递增子数组。
+
+> 你也可定义两个一维数组，而不是一个二维数组。比如 dp0[i] 表示以 nums[i] 结尾的删除 0 个数的情况下的最长严格递增子数组。dp1[i] 表示以 nums[i] 结尾的删除 1 个数的情况下的最长严格递增子数组
+
+接下来，我们需要分情况讨论。
+
+- 如果 nums[i] > nums[i-1]，那么 dp[i][0] 和 dp[i][1] 都可以在前一个的基础上 + 1。也就是：
+
+```py
+dp[i][0] = dp[i-1][0] + 1
+dp[i][1] = dp[i-1][1] + 1
+```
+
+- 否则 dp[i][0] = dp[i][1] = 1
+
+最终返回遍历过程中的 dp[i][0] 和 dp[i][1] 的最大值，用一个变量记录即可。
+
+上面的算法少考虑了一个问题，那就是如果 nums[i] > nums[i-2]，我们其实可以选择 nums[i-1]，转而和 dp[i-2] 产生联系。也就是 dp[i][1] = dp[i-2][0] + 1。这个 1 就是将 nums[i-1] 删掉的一个操作。
+
+需要注意的是判断 nums[i] > nums[i-2] 不是在 nums[i] <= nums[i-1] 才需要考虑的。 比如 [1,2,3.0,4] 这种情况。当遍历到 4 的时候，虽然 4 > 0，但是我们不是和 dp[i-1] 结合，这样答案就小了，而是要和 nums[i-2] 结合。
+
+扩展一下，如果题目限定了最多删除 k 个呢？
+
+- 首先状态中列的长度要变成 k
+- 其次，我们往前比较的时候要比较 nums[i-1], nums[i-2], ... , nums[i-k-1]，取这 k + 1 种情况的最大值。
+
+## 关键点
+
+- 连续性 DP
+
+## 代码
+
+代码支持：Python3
+
+Python3 Code:
+
+```py
+class Solution:
+    def solve(self, nums):
+        n = len(nums)
+        if not n: return 0
+        dp = [[1, 0] for _ in range(n)]
+        ans = 1
+
+        for i in range(1,n):
+            if nums[i] > nums[i-1]:
+                dp[i][0] = dp[i-1][0] + 1
+                dp[i][1] = dp[i-1][1] + 1
+            else:
+                dp[i][0] = 1
+                dp[i][1] = 1
+            if i > 1 and nums[i] > nums[i-2]:
+                dp[i][1] = max(dp[i][1], 1 + dp[i-2][0])
+            ans = max(ans, dp[i][0], dp[i][1])
+
+        return ans
+
+```
+
+**复杂度分析**
+
+令 n 为数组长度。
+
+- 时间复杂度：$O(n)$
+- 空间复杂度：$O(n)$
+
+力扣的小伙伴可以[关注我](https://leetcode-cn.com/u/fe-lucifer/)，这样就会第一时间收到我的动态啦~
+
+以上就是本文的全部内容了。大家对此有何看法，欢迎给我留言，我有时间都会一一查看回答。更多算法套路可以访问我的 LeetCode 题解仓库：https://github.com/azl397985856/leetcode 。 目前已经 40K star 啦。大家也可以关注我的公众号《力扣加加》带你啃下算法这块硬骨头。