【动态规划】子序列类型问题 最长定差子序列

题目链接：https://leetcode.cn/problems/longest-arithmetic-subsequence-of-given-difference/

---

一.题目介绍

---

二.题目分析

        这道题如果我们用常规思路来解决，方法与"最长递增子序列"的解法一致，无非就是把判断条件改为 if(arr[i] - diff == arr[j])，但是这个题目的数据量为：

        所以用O(n方)的时间复杂度解决最后就会导致超出时间限制，所以我们必须换一个思路。

        在"最长递增子序列"一题中，我们在确定dp[i]位置然后向前找合适的dp[j]位置时，对于 j 的位置和对应数值我们都是不知道的，所以才要遍历0 ~ j区间的所有数，但是此题中我们可以得知：若arr[i] - diff == arr[j]，则i，j这两个数是可以构成等差子序列的，说明这期间我们知道 j 位置对应的数值但是还是不知道位置，所以我们设计hash表存放数据，以空间换时间省略遍历。

        undered_map<int, int>分别存放arr[i]的数值，最长定差子序列的长度。所以我们直接在hash表中做动态规划，大大减少了时间的消耗。

---

 三.状态分析        

        这里注意在循环hash[arr[i]] = hash[arr[i] - diff] 的过程中也是hash表填表的过程，没出现过的元素都会在hash中更新，然后默认的出现次数为0。

---

四.完整代码

 int longestSubsequence(vector<int>& arr, int diff) 
    {
        // 1.创建hash表
        // 2.处理边界条件
        // 3.填写hash表
        // 4.返回hash表中记录dp[i]最大的一个

        int n = arr.size(), res = 1;
        unordered_map<int, int> hash; //<arr[i], dp[i]>
        hash[arr[0]] = 1;
        for(int i = 1; i < n; i++)
        {
            hash[arr[i]] = hash[arr[i] - diff] + 1;
            res = max(res, hash[arr[i]]);
        }

        return res;
    }