1218. 最长定差子序列 : 结合「贪心」的「序列 DP」运用题

简介: 1218. 最长定差子序列 : 结合「贪心」的「序列 DP」运用题

网络异常,图片无法展示
|


题目描述



这是 LeetCode 上的 1218. 最长定差子序列 ,难度为 中等


Tag : 「贪心」、「序列 DP」、「状态机 DP」、「哈希表」


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]。
复制代码


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。
复制代码


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]。
复制代码


提示:


  • 1 <= arr.length <= 10^51<=arr.length<=105
  • -10^4 <= arr[i], difference <= 10^4104<=arr[i],difference<=104


状态机序列 DP + 哈希表



定义 f[i][j]f[i][j]jj0011) 为代表考虑前 ii 个数,且第 ii 个数的选择情况为 jj 时,得到的最长定差子序列长度。


最终答案为 \max(f[n - 1][0], f[n - 1][1])max(f[n1][0],f[n1][1]),同时我们有显然的初始化条件 f[0][0] = 0f[0][0]=0f[0][1] = 1f[0][1]=1


不失一般性考虑 f[i][j]f[i][j] 如何转移:


  • f[i][0]f[i][0]:明确了第 ii 个不选,那么此时最大长度为前一个位置的结果。即有:


f[i][0] = \max(f[i - 1][0], f[i - 1][1])f[i][0]=max(f[i1][0],f[i1][1])


  • f[i][1]f[i][1]:明确了第ii个要选,此时进行分情况讨论:
  • arr[i]arr[i] 独立成为一个子序列,此时有:f[i][1] = 1f[i][1]=1
  • arr[i]arr[i] 接在某一个数的后面,由于给定了差值 differencedifference,可直接算得上一位的值为 prev = arr[i] - differenceprev=arr[i]difference,此时应当找到值为 prevprev,下标最大(下标小于 ii)的位置,然后从该位置转移过来,即有:f[i][1] = f[hash[prev]][1] + 1f[i][1]=f[hash[prev]][1]+1;


容易证明:如果存在多个位置的值为 prevprev,从中选择一个下标最大的位置(下标小于 ii)进行转移,结果相比于最优位置不会变差。因此我们「贪心」选择下标最大的位置(下标小于 ii)即可,这引导我们在转移过程中使用「哈希表」记录处理过的位置的值信息。


  • 综上,我们有:


f[i][1] = \begin{cases} 1 & hash[arr[i] - difference] = -1 \\ f[hash[prev]][1] + 1 & hash[arr[i] - difference] \neq -1 \end{cases}f[i][1]={1f[hash[prev]][1]+1hash[arr[i]difference]=1hash[arr[i]difference]=1


网络异常,图片无法展示
|


代码(使用数组充当哈希表的代码在 P2P2):


class Solution {
    public int longestSubsequence(int[] arr, int d) {
        int n = arr.length;
        Map<Integer, Integer> map = new HashMap<>();
        int[][] f = new int[n][2];
        f[0][1] = 1;
        map.put(arr[0], 0);
        for (int i = 1; i < n; i++) {
            f[i][0] = Math.max(f[i - 1][0], f[i - 1][1]);
            f[i][1] = 1;
            int prev = arr[i] - d;
            if (map.containsKey(prev)) f[i][1] = Math.max(f[i][1], f[map.get(prev)][1] + 1);
            map.put(arr[i], i);
        }
        return Math.max(f[n - 1][0], f[n - 1][1]);
    }
}
复制代码


class Solution {
    int N = 40009, M = N / 2;
    public int longestSubsequence(int[] arr, int d) {
        int n = arr.length;
        int[] hash = new int[N];
        Arrays.fill(hash, -1);
        int[][] f = new int[n][2];
        f[0][1] = 1;
        hash[arr[0] + M] = 0;
        for (int i = 1; i < n; i++) {
            f[i][0] = Math.max(f[i - 1][0], f[i - 1][1]);
            f[i][1] = 1;
            int prev = arr[i] - d;
            if (hash[prev + M] != -1) f[i][1] = Math.max(f[i][1], f[hash[prev + M]][1] + 1);
            hash[arr[i] + M] = i;
        }
        return Math.max(f[n - 1][0], f[n - 1][1]);
    }
}
复制代码


  • 时间复杂度:令 nn 为数组长度,共有 n * 2n2 个状态需要被计算,每个状态转移的复杂度为 O(1)O(1)。整体复杂度为 O(n)O(n)
  • 空间复杂度:O(n)O(n)


优化状态定义



不难发现,我们多定义一维状态来区分某个位置的值是否被选择,目的是为了正确转移出第 ii 位被选择的情况。


事实上,利用哈希表本身我们就能轻松做到这一点。


我们调整状态定义为:f[i]f[i] 为考虑前 ii 个数(第 ii 个数必选)时,得到的最长定差子序列长度。


不失一般性考虑 f[i]f[i] 该如何转移,分情况讨论:


  • arr[i]arr[i] 独立成为一个子序列,此时有:f[i] = 1f[i]=1
  • arr[i]arr[i] 接在某一个数的后面,由于给定了差值 differencedifference,可直接算得上一位的值为 prev = arr[i] - differenceprev=arr[i]difference,此时应当找到 arr[j]arr[j]prevprev 的最新位置(下标最大,同时满足 j < ij<i)当时的转移结果,在此基础上加一即可,即有:f[i] = hash[prev] + 1f[i]=hash[prev]+1;


综上,我们有(hashhash 初始化为 00):


f[i] = hash[prev] + 1f[i]=hash[prev]+1


网络异常,图片无法展示
|


代码(使用数组充当哈希表的代码在 P2P2):


class Solution {
    public int longestSubsequence(int[] arr, int d) {
        int ans = 1;
        Map<Integer, Integer> map = new HashMap<>();
        for (int i : arr) {
            map.put(i, map.getOrDefault(i - d, 0) + 1);
            ans = Math.max(ans, map.get(i));
        }
        return ans;
    }
}
复制代码


class Solution {
    int N = 40009, M = N / 2;
    public int longestSubsequence(int[] arr, int d) {
        int ans = 1;
        int[] hash = new int[N];
        for (int i : arr) {
            hash[i + M] = hash[i - d + M] + 1;
            ans = Math.max(ans, hash[i + M]);
        }
        return ans;
    }
}
复制代码


  • 时间复杂度:令 nn 为数组长度,共有 nn 个状态需要被计算,每个状态转移的复杂度为 O(1)O(1)。整体复杂度为 O(n)O(n)
  • 空间复杂度:O(n)O(n)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.1218 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。


在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。


为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour…


在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

相关文章
|
10天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
9天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
403 130
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
3天前
|
存储 安全 前端开发
如何将加密和解密函数应用到实际项目中?
如何将加密和解密函数应用到实际项目中?
197 138
|
9天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
377 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
3天前
|
存储 JSON 安全
加密和解密函数的具体实现代码
加密和解密函数的具体实现代码
196 136
|
21天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1347 8
|
8天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。
|
20天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1458 87