【算法挨揍日记】day32——1218. 最长定差子序列、873. 最长的斐波那契子序列的长度

1218. 最长定差子序列 

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) 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& arr, int difference) 
 {
 // 创建⼀个哈希表
 unordered_map 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

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)

【算法挨揍日记】day32——1218. 最长定差子序列、873. 最长的斐波那契子序列的长度_第1张图片

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:
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
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
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& arr) {
        int n=arr.size();
        unordered_maphash;
        vector>dp(n,vector(n,2));
        for(int i=0;i

你可能感兴趣的:(算法挨揍日记,Leetcode,算法,数据结构)