力扣练习4.15

873. 最长的斐波那契子序列的长度

这种不要求连续的，就是中间有干扰元素也可以。
根据公式，如果是菲薄，那当前元素是 X_i + X_{i+1} = X_{i+2}
同时数组长度至少为3
解法：动态规划＋哈希表

外层循环整个数组，内层循环外层循环到的，这样每次就能检查X_i = X_{i+2} - X_{i+1}
当满足时，就更新此时的状态。然后更新最大长度

这个问题可以使用动态规划加哈希表来解决。具体的动态规划设计思路是使用一个二维的dp数组，其中dp[j][k]表示以nums[j]和nums[k]作为最后两个元素的斐波那契式子序列的最大长度。这里，j < k，并且我们需要一个映射（哈希表）来快速定位数组中每个数的索引，以便能够快速检查任何两个元素之和是否也在数组中。

动态规划算法步骤

1. 初始化： 创建一个哈希表来存储数组中每个数的索引。这用于快速查找和确认某个数是否在数组中。
2. 创建DP表： 初始化一个二维的dp数组，dp[j][k]表示以nums[j]和nums[k]作为最后两个数的斐波那契序列的最长长度。
3. 填充DP表： 遍历每一对(j, k)，对于每对(j, k)，检查nums[k] - nums[j]（即nums[i]）是否存在于数组中且i < j。如果存在，更新dp[j][k]。
4. 计算结果： 最终结果为所有dp[j][k]中的最大值。

代码实现

    def lenLongestFibSubseq(self, nums: List[int]) -> int:
        index_map = {x: i for i, x in enumerate(nums)}  # 建立数字到其索引的映射
        n = len(nums)
        dp = defaultdict(lambda: 2)  # 默认斐波那契序列长度为2（如果存在的话）
        max_len = 0

        for k in range(n):
            for j in range(k):
                i = index_map.get(nums[k] - nums[j], None)
                if i is not None and i < j:  # 确保找到的i位于j的前面
                    dp[(j, k)] = dp[(i, j)] + 1  # 更新dp[j][k]
                    max_len = max(max_len, dp[(j, k)])  # 更新最大长度

        return max_len if max_len > 2 else 0  # 如果最大长度大于2则返回，否则返回0（因为至少需要3个数形成斐波那契序列）

复杂度分析

• 时间复杂度： O(n^2)，其中n是数组的长度。我们需要遍历数组中每对数字来更新dp表。
• 空间复杂度： O(n^2)，存储dp值需要的空间。

注意事项

• 初始化dp时，每个斐波那契序列的长度至少是2（如果存在两个数的话）。
• 最终的结果需要检查最长长度是否大于2，因为任何有效的斐波那契式序列至少包含3个数字。