LeetCode 1027. 最长等差数列(DP)

1. 题目

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。

示例 1:
输入:[3,6,9,12]
输出:4
解释: 
整个数组是公差为 3 的等差数列。示例 2:
输入:[9,4,7,2,10]
输出:3
解释:
最长的等差子序列是 [4,7,10]。示例 3:
输入:[20,1,15,3,10,5,8]
输出:4
解释:
最长的等差子序列是 [20,15,10,5]。提示:
2 <= A.length <= 2000
0 <= A[i] <= 10000

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/longest-arithmetic-sequence
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

2. 解题

类似题目:
动态规划应用–最长递增子序列 LeetCode 300
LeetCode 1218. 最长定差子序列(哈希map)

  • dp[idx][diff], 表示以 idx 结尾,差为 diff 的最长等差数组长度
  • 类似于最长上升子序
class Solution {
public:int longestArithSeqLength(vector<int>& A) {int i, j, d, n = A.size(), maxlen = 2;unordered_map<int,unordered_map<int,int>> m;//idx,差,最大长度for(i = 0; i < n; i++) {for(j = i-1; j >= 0; --j){d = A[i]-A[j];if(m[j][d])m[i][d] = max(m[i][d], m[j][d] + 1);elsem[i][d] = max(m[i][d], 2);maxlen = max(maxlen, m[i][d]);}}return maxlen;}
};

5236 ms 388.1 MB

  • 优化,用数组加速
class Solution {
public:int longestArithSeqLength(vector<int>& A) {int i, j, d, n = A.size(), maxlen = 2;vector<vector<int>> m(n,vector<int>(20001,0));//m[idx][差],最大长度for(i = 0; i < n; i++) {for(j = i-1; j >= 0; --j){d = A[i]-A[j];if(d < 0)d = -d + 10000;if(m[j][d])m[i][d] = max(m[i][d], m[j][d] + 1);elsem[i][d] = max(m[i][d], 2);maxlen = max(maxlen, m[i][d]);}}return maxlen;}
};

408 ms 474 MB

  • python3 解答
class Solution:# py3def longestArithSeqLength(self, A: List[int]) -> int:n = len(A)maxlen = 2m = [[0]*20001 for _ in range(n)] # m[idx][差],最大长度for i in range(1,n):for j in range(0,i):d = A[i]-A[j];if d < 0:d = -d + 10000;if m[j][d]:m[i][d] = max(m[i][d], m[j][d] + 1)else:m[i][d] = max(m[i][d], 2)maxlen = max(maxlen, m[i][d])return maxlen

2248 ms 326.2 MB

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/475521.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

因子分析模型 - 因子分析法原理与代码实现 -(Python,R)

因子分析基本思想 和主成分分析相似&#xff0c;首先从原理上说&#xff0c;主成分分析是试图寻找原有自变量的一个线性组合&#xff0c;取出对线性关系影响较大的原始数据&#xff0c;作为主要成分。 因子分析&#xff0c;是假设所有的自变量可以通过若干个因子&#xff08;中…

如何将两个DateTimePicker的日期和时间组合成一个值

有两个DateTimePicker&#xff0c;DateTimePicker1用于选择日期&#xff0c;DateTimePicker2用于选择Time&#xff0c;现在需要将两个DateTimePicker的值组合成一个DateTime使用。 方法&#xff1a; 1: DateTime dtTime Convert.ToDateTime(dateTimePicker1.Value.ToShortDate…

LeetCode 1255. 得分最高的单词集合(回溯)

1. 题目 你将会得到一份单词表 words&#xff0c;一个字母表 letters &#xff08;可能会有重复字母&#xff09;&#xff0c;以及每个字母对应的得分情况表 score。 请你帮忙计算玩家在单词拼写游戏中所能获得的「最高得分」&#xff1a;能够由 letters 里的字母拼写出的 任…

推荐几个网站 - (可视化、博客、社区、学习网站)

------------------------------------------------------------------------------------------------------------- 作者&#xff1a;Mf是个大坏蛋 原文&#xff1a;https://blog.csdn.net/destinymf/article/details/81186452 ----------------------------------------…

对Java注解(Annotation)初步的认识

----------------------android培训、java培训、期待与您交流&#xff01; ---------------------- 为注解增加属性 例如&#xff1a; import java.lang.annotation.Retention;import java.lang.annotation.RetentionPolicy;Retention(RetentionPolicy.RUNTIME)public interfac…

LeetCode 789. 逃脱阻碍者(曼哈顿距离)

1. 题目 你在进行一个简化版的吃豆人游戏。 你从 (0, 0) 点开始出发&#xff0c;你的目的地是 (target[0], target[1]) 。地图上有一些阻碍者&#xff0c;第 i 个阻碍者从 (ghosts[i][0], ghosts[i][1]) 出发。 每一回合&#xff0c;你和阻碍者们可以同时向东&#xff0c;西&…

ACDSee Photo Manager 12 中文绿色版

用WinRAR解压即玩&#xff0c;无需安装。可以拷贝到USB硬盘&#xff0c;便于携带 凭借易于使用且速度极快的特点&#xff0c;ACDSee 12提供了整理相片、优化拍摄以及与亲朋好友分享往事所需的全部功能。 幻灯片浏览 支持幻灯片浏览图片&#xff0c;并支持背景音乐和多种多样的图…

排序算法 - 6种 - 超炫的动画演示 - Python实现

1.冒泡排序 思路&#xff1a;遍历列表&#xff0c;每一轮每次比较相邻两项&#xff0c;将无序的两项交换&#xff0c;下一轮遍历比前一轮比较次数减1。 def bubble_sort(a_list):for passnum in range(len(a_list)-1, 0, -1):for i in range(passnum):if a_list[i] > a_list…

LeetCode 565. 数组嵌套

1. 题目 索引从0开始长度为N的数组A&#xff0c;包含0到N - 1的所有整数。 找到最大的集合S并返回其大小&#xff0c;其中 S[i] {A[i], A[A[i]], A[A[A[i]]], ... }且遵守以下的规则。 假设选择索引为i的元素A[i]为S的第一个元素&#xff0c;S的下一个元素应该是A[A[i]]&…

因子分析模型 - Python 做因子分析简直比 SPSS 还简单 - ( Python、SPSS)

为什么&#xff1f; SPSS 那么简单还免费&#xff0c;为什么还要用 Python 做因子分析&#xff08;factor analysis&#xff09;呢&#xff1f;工作狗表示&#xff0c;建模的目的是要卖钱的&#xff0c;也就是要嵌入到公司开发的产品上去&#xff0c;用 Python 写因子分析&…

缺失值处理 - 拉格朗日插值法 - Python代码

目录 缺失值处理 拉格朗日差值法的理论基础 拉格朗日插值法代码实现 其他数据预处理方法 缺失值处理 处理缺失值常用的办法可分为三类&#xff1a;删除记录、数据插补、不处理。 其中常见的数据插补法有&#xff1a; 如果通过删除小部分的数据就可以达到既定的目标&#…

做po_requisitions_interface_all接口开发问题

po_requisitions_interface_all这个接口表的字段charge_account_id来源于: 1、组织参数的Material Account 2、工单类型的Outside Processing Account 转载于:https://www.cnblogs.com/songdavid/archive/2011/09/19/2181757.html

[Hands On ML] 3. 分类(MNIST手写数字预测)

文章目录1. 数据预览2. 数据集拆分3. 二分类4. 性能评估4.1 交叉验证4.2 准确率、召回率4.3 受试者工作特征&#xff08;ROC&#xff09;曲线5. 多分类6. 误差分析6.1 检查混淆矩阵本文为《机器学习实战&#xff1a;基于Scikit-Learn和TensorFlow》的读书笔记。 中文翻译参考 …

支持向量机 - 从原理到算法的实现

思想&#xff1a;寻找能够成功分开两类样本并且具有最大分类间隔的最优超平面。 1.原理解析 空间中任何一个平面的方程都可以表示为wxb 0,如上图&#xff0c;设最优超平面方程H为wxb0,支持向量x-到H的距离为,要使分类间隔最大&#xff0c;即该距离最大&#xff0c;而该距离只与…

Struts2初始化过程代码分析

根据web.xml的配置 调用FilterDispatcher.init(FilterConfig filterConfig) 1. 创建org.apache.struts2.Dispatcher&#xff0c;并调用init()方法 1.1. 创建com.opensymphony.xwork2.config.ConfigurationManager,其中属性List<ContainerProvider> containerProviders存放…

LeetCode 1292. 元素和小于等于阈值的正方形的最大边长(DP)

1. 题目 给你一个大小为 m x n 的矩阵 mat 和一个整数阈值 threshold。 请你返回元素总和小于或等于阈值的正方形区域的最大边长&#xff1b; 如果没有这样的正方形区域&#xff0c;则返回 0 。 示例 1&#xff1a; 输入&#xff1a;mat [[1,1,3,2,4,3,2],[1,1,3,2,4,3,2],[…

从这十大算法开始学习机器学习与建模

本文介绍了机器学习新手需要了解的 10 大算法&#xff0c;包括线性回归、Logistic 回归、朴素贝叶斯、K 近邻算法等。 在机器学习中&#xff0c;有一种叫做「没有免费的午餐」的定理。简而言之&#xff0c;它指出没有任何一种算法对所有问题都有效&#xff0c;在监督学习&…

SQL Server中行列转换 Pivot UnPivot

PIVOT用于将列值旋转为列名&#xff08;即行转列&#xff09;&#xff0c;在SQL Server 2000可以用聚合函数配合CASE语句实现 PIVOT的一般语法是&#xff1a;PIVOT(聚合函数(列) FOR 列 in (…) )AS P 完整语法&#xff1a; table_source PIVOT( 聚合函数&#xff08;value_col…

LeetCode 835. 图像重叠

1. 题目 给出两个图像 A 和 B &#xff0c;A 和 B 为大小相同的二维正方形矩阵。&#xff08;并且为二进制矩阵&#xff0c;只包含0和1&#xff09;。 我们转换其中一个图像&#xff0c;向左&#xff0c;右&#xff0c;上&#xff0c;或下滑动任何数量的单位&#xff0c;并把…

数据标准化 - scale() - Python代码

标准化 去均值&#xff0c;方差规模化 数据分析的过程中&#xff0c;比如线性规划这一类的分析&#xff0c;如果有些特征的数值远远高于或低于其他数值&#xff0c;通常称之为独立点、异常值或噪点&#xff0c;那么对于受噪点影响较大的模型就无法正确地去学习其他特征。 St…