算法沉淀——动态规划之子序列问题（下）（leetcode真题剖析）

2024-02-29 04:04
文章标签 leetcode 算法 动态 规划 问题 剖析 真题 序列 之子 沉淀

本文主要是介绍算法沉淀——动态规划之子序列问题（下）（leetcode真题剖析），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在这里插入图片描述

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

  1. 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。
  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。
  3. 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。
  4. 填表顺序： 根据状态转移方程，填表顺序是从左往右。
  5. 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 <= 1000
  • 1 <= arr[i] < arr[i + 1] <= 10^9

思路

  1. 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。
  2. 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。
  3. 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。
  4. 初始化： 将表里面的值都初始化为 2。
  5. 填表顺序：
    • 先固定最后一个数；
    • 然后枚举倒数第二个数。
  6. 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 <= 1000
  • 0 <= nums[i] <= 500

思路

  1. 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。
  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 = 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。
  3. 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。
  4. 初始化： 将表里面的值都初始化为 2。
  5. 填表顺序：
    • 先固定倒数第二个数；
    • 然后枚举倒数第一个数。
  6. 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

  1. 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。
  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 = 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。
  3. 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。
  4. 初始化： 刚开始是没有等差数列的，因此初始化 dp 表为 0。
  5. 填表顺序：
    • 先固定倒数第一个数；
    • 然后枚举倒数第二个数。
  6. 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;}
};

这篇关于算法沉淀——动态规划之子序列问题（下）（leetcode真题剖析）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/757524。

相关文章

IDEA和GIT关于文件中LF和CRLF问题及解决

IDEA和GIT关于文件中LF和CRLF问题及解决

《IDEA和GIT关于文件中LF和CRLF问题及解决》文章总结：因IDEA默认使用CRLF换行符导致Shell脚本在Linux运行报错,需在编辑器和Git中统一为LF,通过调整Git的core.aut... 目录问题描述问题思考解决过程总结问题描述项目软件安装shell脚本上git仓库管理，但拉取后，上l
阅读更多...
深入理解Mysql OnlineDDL的算法

深入理解Mysql OnlineDDL的算法

《深入理解MysqlOnlineDDL的算法》本文主要介绍了讲解MysqlOnlineDDL的算法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小... 目录一、Online DDL 是什么？二、Online DDL 的三种主要算法2.1COPY（复制法）
阅读更多...
Spring Gateway动态路由实现方案

Spring Gateway动态路由实现方案

《SpringGateway动态路由实现方案》本文主要介绍了SpringGateway动态路由实现方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随... 目录前沿何为路由RouteDefinitionRouteLocator工作流程动态路由实现尾巴前沿S
阅读更多...
idea npm install很慢问题及解决(nodejs)

idea npm install很慢问题及解决(nodejs)

《ideanpminstall很慢问题及解决(nodejs)》npm安装速度慢可通过配置国内镜像源（如淘宝）、清理缓存及切换工具解决,建议设置全局镜像（npmconfigsetregistryht... 目录idea npm install很慢(nodejs)配置国内镜像源清理缓存总结idea npm in
阅读更多...
pycharm跑python项目易出错的问题总结

pycharm跑python项目易出错的问题总结

《pycharm跑python项目易出错的问题总结》：本文主要介绍pycharm跑python项目易出错问题的相关资料,当你在PyCharm中运行Python程序时遇到报错,可以按照以下步骤进行排... 1. 一定不要在pycharm终端里面创建环境安装别人的项目子模块等，有可能出现的问题就是你不报错都安装
阅读更多...
idea突然报错Malformed \uxxxx encoding问题及解决

idea突然报错Malformed \uxxxx encoding问题及解决

《idea突然报错Malformeduxxxxencoding问题及解决》Maven项目在切换Git分支时报错,提示project元素为描述符根元素,解决方法：删除Maven仓库中的resolv... 目www.chinasem.cn录问题解决方式总结问题idea 上的 maven China编程项目突然报错，是
阅读更多...
Python爬虫HTTPS使用requests,httpx,aiohttp实战中的证书异步等问题

Python爬虫HTTPS使用requests,httpx,aiohttp实战中的证书异步等问题

《Python爬虫HTTPS使用requests,httpx,aiohttp实战中的证书异步等问题》在爬虫工程里,“HTTPS”是绕不开的话题,HTTPS为传输加密提供保护,同时也给爬虫带来证书校验、... 目录一、核心问题与优先级检查（先问三件事）二、基础示例：requests 与证书处理三、高并发选型：
阅读更多...
前端导出Excel文件出现乱码或文件损坏问题的解决办法

前端导出Excel文件出现乱码或文件损坏问题的解决办法

《前端导出Excel文件出现乱码或文件损坏问题的解决办法》在现代网页应用程序中,前端有时需要与后端进行数据交互,包括下载文件,：本文主要介绍前端导出Excel文件出现乱码或文件损坏问题的解决办法,... 目录1. 检查后端返回的数据格式2. 前端正确处理二进制数据方案 1：直接下载（推荐）方案 2：手动构造
阅读更多...
Python绘制TSP、VRP问题求解结果图全过程

Python绘制TSP、VRP问题求解结果图全过程

《Python绘制TSP、VRP问题求解结果图全过程》本文介绍用Python绘制TSP和VRP问题的静态与动态结果图,静态图展示路径,动态图通过matplotlib.animation模块实现动画效果... 目录一、静态图二、动态图总结【代码】python绘制TSP、VRP问题求解结果图（包含静态图与动态图
阅读更多...
MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决

MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决

《MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决》MyBatis默认开启一级缓存,同一事务中循环调用查询方法时会重复使用缓存数据,导致获取的序列主键值均为1,... 目录问题原因解决办法如果是存储过程总结问题myBATis有如下代码获取序列作为主键IdMappe
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2