# 1218. 最长定差子序列
### 题目地址(1218. 最长定差子序列)
### 题目描述
```
给你一个整数数组 arr 和一个整数 difference，请你找出 arr 中所有相邻元素之间的差等于给定 difference 的等差子序列，并返回其中最长的等差子序列的长度。
示例 1：
输入：arr = [1,2,3,4], difference = 1
输出：4
解释：最长的等差子序列是 [1,2,3,4]。
示例 2：
输入：arr = [1,3,5,7], difference = 1
输出：1
解释：最长的等差子序列是任意单个元素。
示例 3：
输入：arr = [1,5,7,8,5,3,4,2,1], difference = -2
输出：4
解释：最长的等差子序列是 [7,5,3,1]。
提示：
1 <= arr.length <= 10^5
-10^4 <= arr[i], difference <= 10^4
```
### 前置知识
* 数组
* 动态规划
### 公司
* 腾讯
### 思路
最直观的思路是双层循环，我们暴力的枚举出以每一个元素为开始元素，以最后元素结尾的的所有情况。很明显这是所有的情况，这就是暴力法的精髓， 很明显这种解法会 TLE（超时），不过我们先来看一下代码，顺着这个思维继续思考。
#### 暴力法
```python
def longestSubsequence(self, arr: List[int], difference: int) -> int:
n = len(arr)
res = 1
for i in range(n):
count = 1
for j in range(i + 1, n):
if arr[i] + difference * count == arr[j]:
count += 1
if count > res:
res = count
return res
```
**复杂度分析**
* 时间复杂度：$O(N^2)$
* 空间复杂度：$O(N)$
#### 动态规划
上面的时间复杂度是 O(n^2)， 有没有办法降低到 O(n)呢？很容易想到的是空间换时间的解决方案。
我的想法是将`以每一个元素结尾的最长等差子序列的长度`统统存起来，即`dp[num] = maxLen` 这样我们遍历到一个新的元素的时候，就去之前的存储中去找`dp[num - difference]`, 如果找到了，就更新当前的`dp[num] = dp[num - difference] + 1`, 否则就是不进行操作（还是默认值 1）。
这种空间换时间的做法的时间和空间复杂度都是 O(n)。
### 关键点解析
* 将`以每一个元素结尾的最长等差子序列的长度`统统存起来
### 代码
```python
#
# @lc app=leetcode.cn id=1218 lang=python3
#
# [1218] 最长定差子序列
#
# @lc code=start
class Solution:
# 动态规划
def longestSubsequence(self, arr: List[int], difference: int) -> int:
n = len(arr)
res = 1
dp = {}
for num in arr:
dp[num] = 1
if num - difference in dp:
dp[num] = dp[num - difference] + 1
return max(dp.values())
# @lc code=end
```
**复杂度分析**
令 n 为数组长度
* 时间复杂度：$O(n)$
* 空间复杂度：$O(n)$
### 相关题目
* [3041. 修改数组后最大化数组中的连续元素数目](https://leetcode-solution-leetcode-pp.gitbook.io/leetcode-solution/hard/3041.maximize-consecutive-elements-in-an-array-after-modification)
大家对此有何看法，欢迎给我留言，我有时间都会一一查看回答。更多算法套路可以访问我的 LeetCode 题解仓库： 。 目前已经 37K star 啦。 大家也可以关注我的公众号《力扣加加》带你啃下算法这块硬骨头。 