在哈希表中运用动态规划（最长定差子序列和最长的斐波那契子序列的长度）

此次是将动态规划题目，以建立dp表放在哈希表中进行处理，能极大的减少时间复杂度

在一个arr数组中去寻找以diff为定差的子序列

     那么在开始，我依旧按照以前思路进行思考，建立dp表，依旧有dp[i]=max(dp[j]+1,dp[i])中进行查找dp[i],dp[i]表示以i位置的元素为结尾的子序列中，最长的等差子序列的长度。

     可是往后做就会发现这个时间复杂度是O（N*N）；时间复杂度很高，在leetcode上不会通过，那么就可以考虑到建立哈希表，在哈希表中进行dp就可以将时间复杂度变为O（N）;

hash[arr[i]]=hash[arr[i]-difference]+1;

那么就开始考虑优化方案，因为在这之前，我要每次都考虑取到[0-j]区间中，保证能取到最后一个元素的b元素。即下表为j，那么我们可以在这个条件下，1.每次都绑定元素b与他的下标j一起放入到哈希表中，或者2.将i位置的元素与下标进行绑定一起放入到哈希表中，这样在哈希表中进行dp，且寻找元素的时间复杂度是O(N)

初始化就是初始化dp的第一个元素为1，即当数组arr只有一个元素的时候，其子序列也是1

返回值就是这个dp表中的最大值

class Solution {
public:
    int longestSubsequence(vector<int>& arr, int difference) {
        //在哈希表里做dp
        int n=arr.size();
        map<int,int> hash;//时间复杂度O(N);  arr[i]-dp[i]
        hash[arr[0]]=1;
        int ret=1;
        for(int i=1;i<n;i++)
        {
            hash[arr[i]]=hash[arr[i]-difference]+1;//将dp[i]里面的值更新成dp[j],若找到这个元素就hash这个元素的下标，若找不到，就返回0+1
            ret=max(ret,hash[arr[i]]);
        }
        return ret;
    }
};

hash[arr[0]]=1; //其中k值就是对应数组中的元素，value就是dp[i]所含有最大的次数。

hash[arr[i]]=hash[arr[i]-difference]+1;//将dp[i]里面的值更新成dp[j],若找到这个元素就hash这个元素的下标，若找不到，就返回0+1

class Solution {
public:
    int lenLongestFibSubseq(vector<int>& arr) {
        int n=arr.size();
        //优化，将数组所有元素与下标绑在一起
        map<int,int> hash;
        for(int i=0;i<n;i++)
            hash[arr[i]]=i;//将所有元素扔进哈希表，里面k值就是arr的元素，value就是元素的下标
        
        vector<vector<int>> dp(n,vector<int>(n,2));//只用得到i<j的表格，对角线以上的元素，所以全部都初始化为2
        int ret=2;
        for(int j=2;j<n;j++)//确定最后一个元素的位置
        {
            for(int i=1;i<j;i++)//确定倒数第二个元素的位置
            {
                int a=arr[j]-arr[i];
                if(a<arr[i]&&hash.count(a)) 
                    dp[i][j]=dp[hash[a]][i]+1;//a元素的下标k
                    ret=max(ret,dp[i][j]);
            }
        }

        return ret<3?0:ret;
    }
};