1218. 最长定差子序列
题目描述:
给你一个整数数组 arr
和一个整数 difference
,请你找出并返回 arr
中最长等差子序列的长度,该子序列中相邻元素之间的差等于 difference
。
子序列 是指在不改变其余元素顺序的情况下,通过删除一些元素或不删除任何元素而从 arr
派生出来的序列
示例 1:
输入:arr = [1,2,3,4], difference = 1 输出:4 解释:最长的等差子序列是 [1,2,3,4]。
示例 2:
输入:arr = [1,3,5,7], difference = 1 输出:1 解释:最长的等差子序列是任意单个元素。
示例 3:
输入:arr = [1,5,7,8,5,3,4,2,1], difference = -2 输出:4 解释:最长的等差子序列是 [7,5,3,1]。
提示:
1 <= arr.length <= 105
-104 <= arr[i], difference <= 104
解题思路:
算法思路:
这道题和
300. 最⻓递增⼦序列
有⼀些相似,但仔细读题就会发现,本题的
arr.lenght
⾼达
10^5
,使⽤
O(N^2)
的
lcs
模型⼀定会超时。
那么,它有什么信息是
300. 最⻓递增⼦序列
的呢?是定差。之前,我们只知道要递增,不知道前
⼀个数应当是多少;现在我们可以计算出前⼀个数是多少了,就可以⽤数值来定义
dp
数组的
值,并形成状态转移。这样,就把已有信息有效地利⽤了起来。
1.
状态表⽰:
dp[i]
表⽰:以
i
位置的元素为结尾所有的⼦序列中,最⻓的等差⼦序列的⻓度。
2.
状态转移⽅程:
对于
dp[i]
,上⼀个定差⼦序列的取值定为
arr[i] - difference
。只要找到以上⼀个数
字为结尾的定差⼦序列⻓度的
dp[arr[i] - difference]
,然后加上
1
,就是以
i
为结
尾的定差⼦序列的⻓度。
因此,这⾥可以选择使⽤哈希表做优化。我们可以把「元素,
dp[j]
」绑定,放进哈希表中。甚
⾄不⽤创建
dp
数组,直接在哈希表中做动态规划。
3.
初始化:
刚开始的时候,需要把第⼀个元素放进哈希表中,
hash[arr[0]] = 1
。
4.
填表顺序:
根据「状态转移⽅程」,填表顺序应该是「从左往右」。
5.
返回值:
根据「状态表⽰」,返回整个
dp
表中的最⼤值
解题代码:
class Solution
{
public:
int longestSubsequence(vector<int>& arr, int difference)
{
// 创建⼀个哈希表
unordered_map<int, int> hash; // {arr[i], dp[i]}
hash[arr[0]] = 1; // 初始化
int ret = 1;
for(int i = 1; i < arr.size(); i++)
{
hash[arr[i]] = hash[arr[i] - difference] + 1;
ret = max(ret, hash[arr[i]]);
}
return ret;
}
};
873. 最长的斐波那契子序列的长度
题目描述:
如果序列 X_1, X_2, ..., X_n
满足下列条件,就说它是 斐波那契式 的:
n >= 3
- 对于所有
i + 2 <= n
,都有X_i + X_{i+1} = X_{i+2}
给定一个严格递增的正整数数组形成序列 arr ,找到 arr 中最长的斐波那契式的子序列的长度。如果一个不存在,返回 0 。
(回想一下,子序列是从原序列 arr 中派生出来的,它从 arr 中删掉任意数量的元素(也可以不删),而不改变其余元素的顺序。例如, [3, 5, 8]
是 [3, 4, 5, 6, 7, 8]
的一个子序列)
解题思路:
算法思路:
1.
状态表⽰:
对于线性
dp
,我们可以⽤「经验 + 题⽬要求」来定义状态表⽰:
i.
以某个位置为结尾,巴拉巴拉;
ii.
以某个位置为起点,巴拉巴拉。
这⾥我们选择⽐较常⽤的⽅式,以某个位置为结尾,结合题⽬要求,定义⼀个状态表⽰:
dp[i]
表⽰:以
i
位置元素为结尾的「所有⼦序列」中,最⻓的斐波那契⼦数列的⻓度。
但是这⾥有⼀个⾮常致命的问题,那就是我们⽆法确定 i 结尾的斐波那契序列的样⼦。这样就会导
致我们⽆法推导状态转移⽅程,因此我们定义的状态表⽰需要能够确定⼀个斐波那契序列。
根据斐波那契数列的特性,我们仅需知道序列⾥⾯的最后两个元素,就可以确定这个序列的样⼦。
因此,我们修改我们的状态表⽰为:
dp[i][j]
表⽰:以
i
位置以及
j
位置的元素为结尾的所有的⼦序列中,最⻓的斐波那契⼦
序列的⻓度。规定⼀下
i < j
。
2.
状态转移⽅程:
设
nums[i] = b, nums[j] = c
,那么这个序列的前⼀个元素就是
a = c - b
。我们根
据
a
的情况讨论:
i.
a
存在,下标为
k
,并且
a < b
:此时我们需要以
k
位置以及
i
位置元素为结尾的
最⻓斐波那契⼦序列的⻓度,然后再加上
j
位置的元素即可。于是
dp[i][j] =
dp[k][i] + 1
;
ii.
a
存在,但是
b < a < c
:此时只能两个元素⾃⼰玩了,
dp[i][j] = 2
;
iii.
a
不存在:此时依旧只能两个元素⾃⼰玩了,
dp[i][j] = 2
。
综上,状态转移⽅程分情况讨论即可。
优化点:我们发现,在状态转移⽅程中,我们需要确定
a
元素的下标。因此我们可以在
dp
之
前,将所有的「元素 + 下标」绑定在⼀起,放到哈希表中。
3.
初始化:
可以将表⾥⾯的值都初始化为
2
。
4.
填表顺序:
a.
先固定最后⼀个数;
b.
然后枚举倒数第⼆个数。
5.
返回值:
因为不知道最终结果以谁为结尾,因此返回
dp
表中的最⼤值
ret
。
但是
ret
可能⼩于
3
,⼩于
3
的话说明不存在。
因此需要判断⼀下。
解题代码:
class Solution {
public:
int lenLongestFibSubseq(vector<int>& arr) {
int n=arr.size();
unordered_map<int,int>hash;
vector<vector<int>>dp(n,vector<int>(n,2));
for(int i=0;i<n;i++)
hash[arr[i]]=i;
int ret=2;
for(int j=2;j<n;j++)
{
for(int i=1;i<j;i++)
{
int a=arr[j]-arr[i];
if(a<arr[i]&&hash.count(a))
dp[i][j]=dp[hash[a]][i]+1;
ret=max(ret,dp[i][j]);
}
}
return ret<3?0:ret;
}
};