最长等差数列

给定一个整数数组 A，返回 A 中最长等差子序列的长度。

回想一下，A 的子序列是列表 A[i_1], A[i_2], …, A[i_k] 其中 0 <= i_1 < i_2 < … < i_k <= A.length - 1。并且如果 B[i+1] - B[i]( 0 <= i < B.length - 1) 的值都相同，那么序列 B 是等差的。

class Solution:
    def longestArithSeqLength(self, A: List[int]) -> int:
        length = len(A)
        if length < 3 :
            return length

        dp = [ {} for i in range(length)]
        res = 0
        for i in range(1, length):
            for j in range(i):
                dis = A[i] - A[j]

                x = dp[j].get(dis, 1)+1
                dp[i][dis] = x
            res = max(res, max(dp[i].values()))
        return res

运用动态规划
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

动态规划：
1、最优子结构：每个子串可以通过遍历得到，每种等差值对应的最大序列长度
2、转移方程：以每个短地子串中的等差值对应的最大长度 + 1