LeetCode 446: Arithmetic Slices II - Subsequence

题目链接

https://leetcode-cn.com/problems/arithmetic-slices-ii-subsequence/

题意

如果一个数列至少有三个元素,并且任意两个相邻元素之差相同,则称该数列为等差数列。

例如,以下数列为等差数列:

1, 3, 5, 7, 9
7, 7, 7, 7
3, -1, -5, -9

以下数列不是等差数列。

1, 1, 2, 5, 7

数组 A 包含 N 个数,且索引从 0 开始。该数组子序列将划分为整数序列 (P0, P1, …, Pk),P 与 Q 是整数且满足 0 ≤ P0 < P1 < … < Pk < N。

如果序列 A[P0],A[P1],…,A[Pk-1],A[Pk] 是等差的,那么数组 A 的子序列 (P0,P1,…,PK) 称为等差序列。值得注意的是,这意味着 k ≥ 2。

函数要返回数组 A 中所有等差子序列的个数。

输入包含 N 个整数。每个整数都在 $-2 ^ {31}$ 和 $2 ^ {31} -1$ 之间,另外 0 ≤ N ≤ 1000。保证输出小于 $2 ^ {31} -1$。

示例:

输入:[2, 4, 6, 8, 10]

输出:7

解释:
所有的等差子序列为:
[2,4,6]
[4,6,8]
[6,8,10]
[2,4,6,8]
[4,6,8,10]
[2,4,6,8,10]
[2,6,10]

题目类型

动态规划

题目分析

没能独立完成的题目,参考了[LeetCode] Arithmetic Slices II - Subsequence 算数切片之二 - 子序列解出。
dp[i][diff] dp的数组分为两维:
第一维表示以第i个数字作为结尾,第二维表示公差为diff,
其值表示以i为结尾的公差为diff的等差数列的个数
枚举j < i, 置diff = A[i] - A[j]:

  1. 考虑等差数列只有i, j两个数的情况, ++dp[i][diff]
  2. 在j结尾的公差为diff的各数列后加上一个A[i]构成新数列, 即dp[i][diff] += dp[j][diff]
  3. 2中构成的新数列个数必然>2且以A[i]结尾(防止统计重合),正好res += dp[j][diff];

由于整数数目太大使用unordered_map<int, int>节省时间空间。
本题LeetCode上C++不知为何通不过(应该和常数时间有关系),最后用了几乎一样的Python通过的。

时间复杂度

$O(N ^ 2)$

源代码CPP

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
typedef long long ll;
class Solution {
public:
int numberOfArithmeticSlices(vector<int>& A) {
int n = A.size();
int i, j, res = 0;
if (n == 0)
return 0;
vector<unordered_map<int, int> >dp(n);
for (i = 1; i < n; i++) {
for (j = 0; j < i; j++) {
ll delta = (ll)A[i] - A[j];
if (delta > INT_MAX || delta < INT_MIN)
continue;
int diff = (int)delta;
++dp[i][diff];
if (dp[j].count(diff)) {
dp[i][diff] += dp[j][diff];
res += dp[j][diff];
}
}
}
return res;
}
};

源代码Python

Python代码来自Ziqiang

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
class Solution(object):
def numberOfArithmeticSlices(self, A):
"""
:type A: List[int]
:rtype: int
"""
total = 0
dp = [collections.defaultdict(int) for item in A]
for i in xrange(len(A)):
for j in xrange(i):
dp[i][A[i] - A[j]] += 1 #dp[i][j]表示在index i这个点,间隔为j的序列的数量
if A[i]-A[j] in dp[j]: #j<i
dp[i][A[i] - A[j]] += dp[j][A[i]-A[j]] #为什么上面加的那一次不重复?
total += dp[j][A[i]-A[j]] #因为每次update total是根据j,不是根据i,下次才根据i
return total
0%