LeetCode刷题--- 最长的斐波那契子序列的长度

个人主页：元清加油_【C++】,【C语言】,【数据结构与算法】-CSDN博客

个人专栏

力扣递归题

 http://t.csdnimg.cn/yUl2I

【C++】    

​​​​​​http://t.csdnimg.cn/6AbpV

数据结构

​​​http://t.csdnimg.cn/hKh2l

---

前言：这个专栏主要讲述动态规划算法，所以下面题目主要也是这些算法做的  

我讲述题目会把讲解部分分为3个部分：
1、题目解析

2、算法原理思路讲解

3、代码实现

---

最长的斐波那契子序列的长度

题目链接：最长的斐波那契子序列的长度

题目

如果序列 X_1, X_2, ..., X_n 满足下列条件，就说它是 斐波那契式 的：

• n >= 3
• 对于所有 i + 2 <= n，都有 X_i + X_{i+1} = X_{i+2}

给定一个严格递增的正整数数组形成序列 arr ，找到 arr 中最长的斐波那契式的子序列的长度。如果一个不存在，返回  0 。

（回想一下，子序列是从原序列 arr 中派生出来的，它从 arr 中删掉任意数量的元素（也可以不删），而不改变其余元素的顺序。例如， [3, 5, 8] 是 [3, 4, 5, 6, 7, 8] 的一个子序列）

 

示例 1：

输入: arr = [1,2,3,4,5,6,7,8]
输出: 5
解释: 最长的斐波那契式子序列为 [1,2,3,5,8] 。

示例 2：

输入: arr = [1,3,7,11,12,14,18]
输出: 3
解释: 最长的斐波那契式子序列有 [1,11,12]、[3,11,14] 以及 [7,11,18] 。

 

提示：

• 3 <= arr.length <= 1000

• 1 <= arr[i] < arr[i + 1] <= 10^9

---

解法

算法原理解析

我们这题使用动态规划，我们做这类题目可以分为以下五个步骤

1. 状态显示
2. 状态转移方程
3. 初始化（防止填表时不越界）
4. 填表顺序
5. 返回值

• 状态显示

dp[i][j] 表⽰：以 i 位置以及 j 位置的元素为结尾的所有的⼦序列中，最⻓的斐波那契子序列的长度。规定⼀下 i < j。

• 状态转移方程

设 nums[i] = b, nums[j] = c ，那么这个序列的前⼀个元素就是 a = c - b 。我们根 据 a 的情况讨论：

1. a 存在，下标为 k ，并且 a < b ：此时我们需要以 k 位置以及 i 位置元素为结尾的最⻓斐波那契⼦序列的⻓度，然后再加上 j 位置的元素即可。于是 dp[i][j] = dp[k][i] + 1 ；
2. a 存在，但是 b < a < c ：此时只能两个元素⾃⼰玩了， dp[i][j] = 2 ；
3. a 不存在：此时依旧只能两个元素⾃⼰玩了， dp[i][j] = 2 。

• 初始化（防止填表时不越界）

可以将表⾥⾯的值都初始化为 2 。

• 填表顺序

1. 先固定最后⼀个数；
2. 然后枚举倒数第⼆个数。

• 返回值

因为不知道最终结果以谁为结尾，因此返回 dp 表中的最⼤值 ret 。

但是 ret 可能⼩于 3 ，⼩于 3 的话说明不存在。

---

代码实现

class Solution {
public:
    int lenLongestFibSubseq(vector<int>& arr)
    {
        int n = arr.size();
        // 优化
        unordered_map<int, int> hash;
        for (int i = 0; i < n; i++)
        {
            hash[arr[i]] = i;
        }

        int ret = 2;
        vector<vector<int>> dp(n, vector<int>(n, 2));

        for (int i = 2; i < n; i++) // 固定最后⼀个位置
        {
            for (int j = 1; j < i; j++) // 固定倒数第⼆个位置
            {
                int a = arr[i] - arr[j];
                // 条件成立的情况下更新
                if (a < arr[j] && hash.count(a))
                {
                    dp[j][i] = dp[hash[a] ][j] + 1;
                }
                ret = max(ret, dp[j][i]); // 统计表中的最⼤值
            }
        }
        return ret < 3 ? 0 : ret;
    }
};