以所有元素为裸数的数组中最长子序列的长度

当我们在处理数组时，有时候需要找出一个数组中最长的一段连续子序列。常规的做法通常是使用动态规划算法，但如果数组中所有元素都是裸数（即没有任何附加信息），则我们需要使用一些特殊的算法来解决这个问题。

解决办法

对于这种情况，可以使用两种算法来解决：

1. 最长公共子序列算法

最长公共子序列（LCS）算法可以用来找到两个序列中最长的公共子序列。但是，如果把一个序列复制一份拼接在原序列之后，就可以找到原序列中最长的子序列：

length(LCS(array, array_reversed))

2. 动态规划算法

动态规划（DP）算法是解决最长连续子序列问题的标准方法。由于这里所有元素都是裸数，因此可以快速计算每个元素的最长子序列长度并将其记录在一个数组中，以便在后续计算中使用。下面是一个示例DP算法的代码片段：

def longest_subsequence(array):
    n = len(array)
    dp = [1] * n
    for i in range(1, n):
        for j in range(i):
            if array[i] > array[j]:
                dp[i] = max(dp[i], dp[j] + 1)
    return max(dp)

总结

对于数组中所有元素都是裸数的情况，我们可以使用最长公共子序列算法或动态规划算法来找到数组中最长的连续子序列。前者需要对数组进行reverse操作，而后者可以直接计算每个元素的最长子序列长度。两种算法各有优缺点，具体使用哪一种取决于具体问题的规模和性质。