跳至主要內容

0873. 最长的斐波那契子序列的长度

ITCharge大约 5 分钟

0873. 最长的斐波那契子序列的长度open in new window

  • 标签:数组、哈希表、动态规划
  • 难度:中等

题目链接

题目大意

描述:给定一个严格递增的正整数数组 arrarr

要求:从数组 arrarr 中找出最长的斐波那契式的子序列的长度。如果不存斐波那契式的子序列,则返回 0。

说明

  • 斐波那契式序列:如果序列 X1,X2,...,XnX_1, X_2, ..., X_n 满足:

    • n3n \ge 3
    • 对于所有 i+2ni + 2 \le n,都有 Xi+Xi+1=Xi+2X_i + X_{i+1} = X_{i+2}

    则称该序列为斐波那契式序列。

  • 斐波那契式子序列:从序列 AA 中挑选若干元素组成子序列,并且子序列满足斐波那契式序列,则称该序列为斐波那契式子序列。例如:A=[3,4,5,6,7,8]A = [3, 4, 5, 6, 7, 8]。则 [3,5,8][3, 5, 8]AA 的一个斐波那契式子序列。

  • 3arr.length10003 \le arr.length \le 1000

  • 1arr[i]<arr[i+1]1091 \le arr[i] < arr[i + 1] \le 10^9

示例

  • 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]

解题思路

思路 1: 暴力枚举(超时)

假设 arr[i]arr[i]arr[j]arr[j]arr[k]arr[k] 是序列 arrarr 中的 33 个元素,且满足关系:arr[i]+arr[j]==arr[k]arr[i] + arr[j] == arr[k],则 arr[i]arr[i]arr[j]arr[j]arr[k]arr[k] 就构成了 arrarr 的一个斐波那契式子序列。

通过 arr[i]arr[i]arr[j]arr[j],我们可以确定下一个斐波那契式子序列元素的值为 arr[i]+arr[j]arr[i] + arr[j]

因为给定的数组是严格递增的,所以对于一个斐波那契式子序列,如果确定了 arr[i]arr[i]arr[j]arr[j],则可以顺着 arrarr 序列,从第 j+1j + 1 的元素开始,查找值为 arr[i]+arr[j]arr[i] + arr[j] 的元素 。找到 arr[i]+arr[j]arr[i] + arr[j] 之后,然后再顺着查找子序列的下一个元素。

简单来说,就是确定了 arr[i]arr[i]arr[j]arr[j],就能尽可能的得到一个长的斐波那契式子序列,此时我们记录下子序列长度。然后对于不同的 arr[i]arr[i]arr[j]arr[j],统计不同的斐波那契式子序列的长度。

最后将这些长度进行比较,其中最长的长度就是答案。

思路 1:代码

class Solution:
    def lenLongestFibSubseq(self, arr: List[int]) -> int:
        size = len(arr)
        ans = 0
        for i in range(size):
            for j in range(i + 1, size):
                temp_ans = 0
                temp_i = i
                temp_j = j
                k = j + 1
                while k < size:
                    if arr[temp_i] + arr[temp_j] == arr[k]:
                        temp_ans += 1
                        temp_i = temp_j
                        temp_j = k
                    k += 1
                if temp_ans > ans:
                    ans = temp_ans

        if ans > 0:
            return ans + 2
        else:
            return ans

思路 1:复杂度分析

  • 时间复杂度O(n3)O(n^3),其中 nn 为数组 arrarr 的元素个数。
  • 空间复杂度O(1)O(1)

思路 2:哈希表

对于 arr[i]arr[i]arr[j]arr[j],要查找的元素 arr[i]+arr[j]arr[i] + arr[j] 是否在 arrarr 中,我们可以预先建立一个反向的哈希表。键值对关系为 value:idxvalue : idx,这样就能在 O(1)O(1) 的时间复杂度通过 arr[i]+arr[j]arr[i] + arr[j] 的值查找到对应的 arr[k]arr[k],而不用像原先一样线性查找 arr[k]arr[k] 了。

思路 2:代码

class Solution:
    def lenLongestFibSubseq(self, arr: List[int]) -> int:
        size = len(arr)
        ans = 0
        idx_map = dict()
        for idx, value in enumerate(arr):
            idx_map[value] = idx
        
        for i in range(size):
            for j in range(i + 1, size):
                temp_ans = 0
                temp_i = i
                temp_j = j
                while arr[temp_i] + arr[temp_j] in idx_map:
                    temp_ans += 1
                    k = idx_map[arr[temp_i] + arr[temp_j]]
                    temp_i = temp_j
                    temp_j = k

                if temp_ans > ans:
                    ans = temp_ans

        if ans > 0:
            return ans + 2
        else:
            return ans

思路 2:复杂度分析

  • 时间复杂度O(n2)O(n^2),其中 nn 为数组 arrarr 的元素个数。
  • 空间复杂度O(n)O(n)

思路 3:动态规划 + 哈希表

1. 划分阶段

按照斐波那契式子序列相邻两项的结尾位置进行阶段划分。

2. 定义状态

定义状态 dp[i][j]dp[i][j] 表示为:以 arr[i]arr[i]arr[j]arr[j] 为结尾的斐波那契式子序列的最大长度。

3. 状态转移方程

arr[j]arr[j]arr[k]arr[k] 结尾的斐波那契式子序列的最大长度 = 满足 arr[i]+arr[j]=arr[k]arr[i] + arr[j] = arr[k] 条件下,以 arr[i]arr[i]arr[j]arr[j] 结尾的斐波那契式子序列的最大长度加 11。即状态转移方程为:dp[j][k]=max(A[i]+A[j]=A[k],i<j<k)(dp[i][j]+1)dp[j][k] = max_{(A[i] + A[j] = A[k], i < j < k)}(dp[i][j] + 1)

4. 初始条件

默认状态下,数组中任意相邻两项元素都可以作为长度为 22 的斐波那契式子序列,即 dp[i][j]=2dp[i][j] = 2

5. 最终结果

根据我们之前定义的状态,dp[i][j]dp[i][j] 表示为:以 arr[i]arr[i]arr[j]arr[j] 为结尾的斐波那契式子序列的最大长度。那为了计算出最大的最长递增子序列长度,则需要在进行状态转移时,求出最大值 ansans 即为最终结果。

因为题目定义中,斐波那契式中 n3n \ge 3,所以只有当 ans3ans \ge 3 时,返回 ansans。如果 ans<3ans < 3,则返回 00

注意:在进行状态转移的同时,我们应和「思路 2:哈希表」一样采用哈希表优化的方式来提高效率,降低算法的时间复杂度。

思路 3:代码

class Solution:
    def lenLongestFibSubseq(self, arr: List[int]) -> int:
        size = len(arr)
        
        dp = [[0 for _ in range(size)] for _ in range(size)]
        ans = 0

        # 初始化 dp
        for i in range(size):
            for j in range(i + 1, size):
                dp[i][j] = 2

        idx_map = {}
        # 将 value : idx 映射为哈希表,这样可以快速通过 value 获取到 idx
        for idx, value in enumerate(arr):
            idx_map[value] = idx

        for i in range(size):
            for j in range(i + 1, size):
                if arr[i] + arr[j] in idx_map:    
                    # 获取 arr[i] + arr[j] 的 idx,即斐波那契式子序列下一项元素
                    k = idx_map[arr[i] + arr[j]]
                    
                    dp[j][k] = max(dp[j][k], dp[i][j] + 1)
                    ans = max(ans, dp[j][k])

        if ans >= 3:
            return ans
        return 0

思路 3:复杂度分析

  • 时间复杂度O(n2)O(n^2),其中 nn 为数组 arrarr 的元素个数。
  • 空间复杂度O(n)O(n)