求一个数组的最长等比子序列的长度 (类似于HDU - 5328)

渤海银行的一道笔试题，中等。

输入描述：单组输入，第一行输入一个正整数N，表示正整数序列中包含的数字个数，N <= 1000。第二行输入N个正整数，两两之间用空格隔开。

输出描述：输出最长等比子序列的长度。

样例输入：

10

1 3 2 5 4 2 8 6 16 9

样例输出：

5

一个小思路，一般如果是连续子数组，用双指针或者滑动窗口来解决，如果是非连续的子序列，一般用动态规划来解决。

这道题，搜了一下，发现网上有类似的题：Problem - 5328，但是搜了一下答案，发现其实人家是要找出一串最长的连续等差数列或者等比数列，并不是子序列，所以无法解决本题。还是去leetcode看题解才有类似的，1027. 最长等差数列，所以下面解决之。参考了如下解法：

leetcode1027解法

动态规划，很关键的是dp数组的定义。

参考了leetcode的这篇 题解   

使用一个dp[N]的list作为备忘录，list中每个元素是一个字典（或者map）。

如上图所示，假设我们以子序列的角度来看问题：例如原始序列s=2 4 6 9 4，取出其中的s1=2 4，s2=2 4 6，s2比s1多了一个元素。从s1我们可以计算得到，等差值为2的最长等差子序列长度为2，我们把这一长度记录在dp[1]的字典中（记为<差值:2, 长度:2>）——那么，当我们讨论s2中的最长子序列长度时，通过计算差值6-4=2，然后在dp[1]中查看差值为2的记录<2, 2>，通过对长度2+1，则可得到以6结尾的最长等差序列长度为3 —— <2, 3>

所以转移方程为dp[ i ][ i和j的等差值 ] = dp[ j ][ i和j的等差值 ] + 1

依次对元素i使用动态规划的状态转移，就可以最终获得所有可能的最长序列长度

如果当前结尾i和它前面其他元素计算得到的差值，不在元素对应的dp[ j ]字典中，怎么办？此时则是说明只有它们两个可以组成等差序列，所以使dp[i][等差值] = 2更新状态即可

def longestArithSeqLength(nums):
    # 动态规划，dp数组的设计是关键，dp数组中每一个元素为字典，key为差值，value为长度
    length = len(nums)
    # 边界条件
    if length < 3:
        return length
    dp = [{} for i in range(length)]
    res = 0
    # 两层循环
    for i in range(1, length):
        for j in range(i):
            # 求差值
            diss = nums[i] - nums[j]
            # 判断差值在前面的dp[j]中是否存在
            if diss not in dp[j]:
                dp[i][diss] = 2
            else:
                dp[i][diss] = dp[j][diss] + 1
            res = max(res, dp[i][diss])
    return res

求最长等比子序列是一样的道理，只需要把 diss = nums[i] - nums[j] 改成 diss = nums[i] / nums[j] 即可，甚至，如果这道题把HDU - 5328改一下【HDU - 5328原题为 给一个序列，要找一个等差或等比的连续子序列，求其最长的长度。】，变成求一个数组的等差或等比的最长子序列，返回最大值。那也是类似的做法，代码如下，应该能跑通。

def longestArithSeqLength(nums):
    # 动态规划，dp数组的设计是关键，dp数组中每一个元素为字典，key为差值，value为长度
    length = len(nums)
    # 边界条件
    if length < 3:
        return length
    dp1 = [{} for i in range(length)]
    dp2 = [{} for i in range(length)]
    res = 0
    # 两层循环
    for i in range(1, length):
        for j in range(i):
            # 求差值
            diss1 = nums[i] - nums[j]
            diss2 = nums[i] - nums[j]
            # 判断差值在前面的dp[j]中是否存在
            if diss1 not in dp1[j]:
                dp1[i][diss1] = 2
            else:
                dp1[i][diss1] = dp1[j][diss1] + 1

            if diss2 not in dp2[j]:
                dp[i][diss2] = 2
            else:
                dp2[i][diss2] = dp2[j][diss2] + 1

            res = max(res, dp1[i][diss1], dp2[i][diss2])
    return res