【算法】【动规】 最长等差数列

发布时间:2023年12月24日

跳转汇总链接

👉🔗动态规划算法汇总链接


2.7 最长等差数列

🔗题目链接

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。

和 2.6 一样,这道题明显出现了倒数两个数倒推之前所有数的方法,所以状态表示中不免出现 dp[i][j] 样的表达。

进一步解释一下,

设满足要求的子序列中,倒数三个数为 a、b、c,已知 b c,推导 a 是否存在且 a 的下标是否在 b 之前,是本题的解题关键。

分析到这里都和 2.6 差不多,唯一不同的是,本题给出的数据并不是去重的,在找 a 的过程中,可能有多个 a,而我们需要的只是离 i 位置前面最近的一个 a 的下标(这里设 k)。

如果仍然使用 hash 的办法去映射 <元素,元素下标的数组>,如果出现这个元素出现的次数接近 n,k i j 统统遍历后,复杂度就是 n3 了。所以肯定不能这样写。

  1. 状态表示
    • 考虑到两个连续数字才能推导出这一组等差数,又需要我们以 “一个位置为子序列的结尾” 这样的方法去定义状态表示,于是考虑用如下定义:
    • dp[i][j] 表示,以 i 位置(倒数第二个数)和 j 位置(最后一个数)为结尾的所有满足等差数列的子序列中,最长的长度是多少
  2. 状态转移方程
    • 首先我们需要填写的是 dp[i][j]

    • 其次已知的值是 arr[i] 和 arr[j] 作为等差子序列的结尾

    • 设倒数第三个数位置为 k 元素为 a,arr[i] 为 b,arr[j] 为 c,可以分为 a = c - b 是否存在,这两种大情况

      a 存在,且 a < b,dp[i][j] = dp[k][i] + 1;
      a 存在,但 b < a < c,dp[i][j] = 2;
      a 不存在,dp[i][j] = 2;
      
  3. 优化
    • ?方法一,hash 映射 <元素,元素下标的数组>,已经在一开始分析过了,有一定优化效果但在特殊情况下十分不理想。
    • ?方法二,一边填写 dp 表,一边保存离他最近的元素的下标,使用的结构只需要 <元素,下标>
  4. 初始化
    • dp 表所有值都初始化成 2
  5. 填表顺序
    • 为了保证填后面的表时前面的依赖数据是已知的,所以我们需要,保证倒数第二个数字,也就是 i 位置不变的情况下遍历最后一个数字 j。
    • 这样才能保证寻找 k 位置的时候是稳定的,才能找到距离 i 位置最近的 a 的位置 k。
  6. 返回值
    • dp 表中的最大值
class Solution {
public:
    int longestArithSeqLength(vector<int>& nums) {
        int n = nums.size();
        int ret = 2;
        unordered_map<int, int> hash;   // 优化
        hash[nums[0]] = 0;              // 第一个的数的下标是0

        vector<vector<int>>dp(n, vector(n, 2));// 初始化
        
        for(int i = 1; i < n - 1; i++)      // 固定倒数第二个数,可以固定 k 位置并填写进 hash 表
        {
            for(int j = i + 1; j < n; j++)  // 枚举最后一个数
            {
                int a = 2*nums[i] - nums[j];
                if(hash.count(a))
                {
                    dp[i][j] = dp[hash[a]][i] + 1;
                    ret = max(ret, dp[i][j]);
                }
            }
            hash[nums[i]] = i;  // 只保存最近的一个下标
        }
        return ret;
    }
};

🥰如果本文对你有些帮助,欢迎👉 点赞 收藏 关注,你的支持是对作者大大莫大的鼓励!!(????) 若有差错恳请留言指正~~


文章来源:https://blog.csdn.net/m0_67470729/article/details/135134749
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。