Question

我刚刚解决了https://leetcode.com/problems/length-of-longest-fibonacci-subsequence/。目的是在严格增加的整数数组中找到最长的斐波那契子序列。

我需要一些帮助来弄清楚解决方案与我从leetcode的解决方案部分获得的“最佳”解决方案之间在时间和空间复杂度上的区别。

1-我的算法：

class Solution:
    def lenLongestFibSubseq(self, A):
        dp = [collections.defaultdict(int) for i in range(len(A))]
        res = 2
        for j in range(len(A)):
            for i in range(j):
                prev = dp[i].get(A[j], 0)
                prev = 2 if not prev else prev+1
                dp[j][A[j]+A[i]] = prev
                res = max(res, prev)
        return res if res > 2 else 0

2-“最佳”算法：

class Solution:
    def lenLongestFibSubseq(self, A):
        dp = collections.defaultdict(int)
        s = set(A)
        for j in range(len(A)):
            for i in range(j):
                if A[j] - A[i] < A[i] and A[j] - A[i] in s:
                    dp[A[i], A[j]] = dp.get((A[j] - A[i], A[i]), 2) + 1
        return max(dp.values() or [0])

时间复杂度很容易->它们都是O(n^2)

对于空间复杂度，我认为两者都是O(n^2)，至少我是肯定的，因为对于每个索引，我都会维护一个等于index-1的字典。

但是，“最优”算法似乎也有O(n^2)个空间，因为他正在为所有对[A[i], A[j]]缓存一个值。

我之所以在这里，是因为在线法官对我的解决方案的评价是2000ms比500ms慢4倍，而空间消耗45Mb与15Mb却是3倍。我可能错过了一些大事，欢迎任何帮助。

这两种解决leetcode 873的算法在时间和空间复杂度上有什么区别？

0 个答案: