算法沉淀——动态规划之子序列问题
- 01.最长定差子序列
- 02.最长的斐波那契子序列的长度
- 03.最长等差数列
- 04.等差数列划分 II - 子序列
01.最长定差子序列
题目链接：https://leetcode.cn/problems/longest-arithmetic-subsequence-of-given-difference/
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
思路
- 状态表达： 定义动态规划数组
dp，其中dp[i]表示以第i个位置的元素为结尾的所有子序列中，最长的等差子序列的长度。 - 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为结尾的定差子序列长度的dp[arr[i] - difference]，然后加上1，就是以i为结尾的定差子序列的长度。这里可以使用哈希表进行优化，将元素和dp[j]绑定，放入哈希表中。 - 初始化： 刚开始的时候，需要把第一个元素放进哈希表中，即
hash[arr[0]] = 1。 - 填表顺序： 根据状态转移方程，填表顺序是从左往右。
- 返回值： 根据状态表达，返回整个
dp数组中的最大值。
代码
class Solution {
public:
int longestSubsequence(vector<int>& arr, int difference) {
unordered_map<int,int> hash;
hash[arr[0]]=1;
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;
}
};
02.最长的斐波那契子序列的长度
题目链接：https://leetcode.cn/problems/length-of-longest-fibonacci-subsequence/
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）
示例 1：
输入: arr = [1,2,3,4,5,6,7,8]
输出: 5
解释: 最长的斐波那契式子序列为 [1,2,3,5,8] 。
示例 2：
输入: arr = [1,3,7,11,12,14,18]
输出: 3
解释: 最长的斐波那契式子序列有 [1,11,12]、[3,11,14] 以及 [7,11,18] 。
提示：
3 <= arr.length <= 10001 <= arr[i] < arr[i + 1] <= 10^9
思路
- 状态表达： 定义动态规划数组
dp，其中dp[j][i]表示以第j位置以及第i位置的元素为结尾的所有的子序列中，最长的斐波那契子序列的长度。 - 状态转移方程： 设
nums[j] = b，nums[i] = c，那么这个序列的前一个元素就是a = c - b。根据a的情况讨论：- 如果
a存在，下标为k，并且a < b，那么dp[j][i] = dp[k][j] + 1； - 如果
a存在，但是b < a < c，那么dp[j][i] = 2； - 如果
a不存在，那么dp[j][i] = 2。
- 如果
- 优化点： 在状态转移方程中，需要确定
a元素的下标，可以在填表之前，将所有的「元素 + 下标」绑定在一起，放到哈希表中。 - 初始化： 将表里面的值都初始化为
2。 - 填表顺序：
- 先固定最后一个数；
- 然后枚举倒数第二个数。
- 返回值： 返回
dp表中的最大值ret。但是ret可能小于3，小于3说明不存在，需要判断一下。
代码
class Solution {
public:
int lenLongestFibSubseq(vector<int>& arr) {
int n=arr.size();
unordered_map<int,int> hash;
for(int i=0;i<n;i++) hash[arr[i]]=i;
vector<vector<int>> dp(n,vector<int>(n,2));
int ret=2;
for(int i=2;i<n;++i){
for(int j=1;j<i;j++){
int x=arr[i]-arr[j];
if(x<arr[j]&&hash.count(x))
dp[j][i] = dp[hash[x]][j]+1;
ret = max(ret,dp[j][i]);
}
}
return ret<3?0:ret;
}
};
03.最长等差数列
题目链接：https://leetcode.cn/problems/longest-arithmetic-subsequence/
给你一个整数数组 nums，返回 nums 中最长等差子序列的长度。
回想一下，nums 的子序列是一个列表 nums[i1], nums[i2], ..., nums[ik] ，且 0 <= i1 < i2 < ... < ik <= nums.length - 1。并且如果 seq[i+1] - seq[i]( 0 <= i < seq.length - 1) 的值都相同，那么序列 seq 是等差的。
示例 1：
输入：nums = [3,6,9,12]
输出：4
解释：
整个数组是公差为 3 的等差数列。
示例 2：
输入：nums = [9,4,7,2,10]
输出：3
解释：
最长的等差子序列是 [4,7,10]。
示例 3：
输入：nums = [20,1,15,3,10,5,8]
输出：4
解释：
最长的等差子序列是 [20,15,10,5]。
提示：
2 <= nums.length <= 10000 <= nums[i] <= 500
思路
- 状态表达： 定义动态规划数组
dp，其中dp[i][j]表示以第i位置以及第j位置的元素为结尾的所有的子序列中，最长的等差序列的长度。 - 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 = 2 * b - c。根据a的情况讨论：- 如果
a存在，下标为k，并且a < b，那么我们需要以k位置以及i位置元素为结尾的最长等差序列的长度，然后再加上j位置的元素即可。于是dp[i][j] = dp[k][i] + 1。这里因为会有许多个k，我们仅需离i最近的k即可。因此任何最长的都可以以k为结尾； - 如果
a存在，但是b < a < c，那么dp[i][j] = 2； - 如果
a不存在，那么dp[i][j] = 2。
- 如果
- 优化点： 在状态转移方程中，需要确定
a元素的下标。可以一边动态规划，一边保存最近的元素的下标，不用保存下标数组。遍历的时候，先固定倒数第二个数，再遍历倒数第一个数。这样可以在i使用完时候，将nums[i]扔到哈希表中。 - 初始化： 将表里面的值都初始化为
2。 - 填表顺序：
- 先固定倒数第二个数；
- 然后枚举倒数第一个数。
- 返回值： 返回
dp表中的最大值。
代码
class Solution {
public:
int longestArithSeqLength(vector<int>& nums) {
unordered_map<int,int> hash;
hash[nums[0]]=0;
int n=nums.size();
vector<vector<int>> dp(n,vector<int>(n,2));
int ret=2;
for(int i=1;i<n;i++){
for(int j=i+1;j<n;j++){
int x=2*nums[i]-nums[j];
if(hash.count(x)) dp[i][j] = dp[hash[x]][i] + 1;
ret=max(ret,dp[i][j]);
}
hash[nums[i]]=i;
}
return ret;
}
};
04.等差数列划分 II - 子序列
题目链接：https://leetcode.cn/problems/arithmetic-slices-ii-subsequence/
给你一个整数数组 nums ，返回 nums 中所有 等差子序列 的数目。
如果一个序列中 至少有三个元素 ，并且任意两个相邻元素之差相同，则称该序列为等差序列。
- 例如，
[1, 3, 5, 7, 9]、[7, 7, 7, 7]和[3, -1, -5, -9]都是等差序列。 - 再例如，
[1, 1, 2, 5, 7]不是等差序列。
数组中的子序列是从数组中删除一些元素（也可能不删除）得到的一个序列。
- 例如，
[2,5,10]是[1,2,1,***2***,4,1,***5\***,***10***]的一个子序列。
题目数据保证答案是一个 32-bit 整数
示例 1：
输入：nums = [2,4,6,8,10]
输出：7
解释：所有的等差子序列为：
[2,4,6]
[4,6,8]
[6,8,10]
[2,4,6,8]
[4,6,8,10]
[2,4,6,8,10]
[2,6,10]
示例 2：
输入：nums = [7,7,7,7,7]
输出：16
解释：数组中的任意子序列都是等差子序列。
提示：
1 <= nums.length <= 1000-231 <= nums[i] <= 231 - 1
思路
- 状态表达： 定义动态规划数组
dp，其中dp[i][j]表示以第i位置以及第j位置的元素为结尾的所有的子序列中，等差子序列的个数。 - 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 = 2 * b - c。根据a的情况讨论：- 如果
a存在，下标为k，并且a < b，那么以k元素以及i元素结尾的等差序列的个数为dp[k][i]，在这些子序列的后面加上j位置的元素依旧是等差序列。但是这里会多出来一个以k, i, j位置的元素组成的新的等差序列，因此dp[i][j] += dp[k][i] + 1； - 因为
a可能有很多个，需要全部累加起来。
- 如果
- 优化点： 在状态转移方程中，需要确定
a元素的下标。因此在dp之前，将所有元素和下标数组绑定在一起，放到哈希表中。这里保存下标数组是因为需要统计个数。 - 初始化： 刚开始是没有等差数列的，因此初始化
dp表为0。 - 填表顺序：
- 先固定倒数第一个数；
- 然后枚举倒数第二个数。
- 返回值： 统计所有的等差子序列，返回
dp表中所有元素的和。
代码
class Solution {
public:
int numberOfArithmeticSlices(vector<int>& nums) {
int n=nums.size();
unordered_map<long long,vector<int>> hash;
for(int i=0;i<n;i++) hash[nums[i]].push_back(i);
vector<vector<int>> dp(n,vector<int>(n));
int sum=0;
for(int j=2;j<n;j++){
for(int i=1;i<j;i++){
long long x=(long long)nums[i]*2-nums[j];
if(hash.count(x))
for(int& k:hash[x])
if(k<i) dp[i][j]+=dp[k][i]+1;
sum+=dp[i][j];
}
}
return sum;
}
};
![[linux][xdp] xdp 入门](https://img-blog.csdnimg.cn/direct/defd49fdfb1e473fa7d37798ec1bd8a1.png)
