动态规划5.0

  • 动态规划 – – – 子序列问题（数组中不连续的一段）
    • 1. 最长递增子序列
    • 2. 摆动序列
    • 3. 最长递增子序列的个数
    • 4. 最长数对链
    • 5. 最长定差子序列
    • 6. 最长的斐波那契子序列的长度
    • 7. 最长等差数列
    • 8. 等差数列划分Ⅱ – 子序列

动态规划 – – – 子序列问题（数组中不连续的一段）

1. 最长递增子序列

题目链接 -> Leetcode -300.最长递增子序列

Leetcode -300.最长递增子序列

题目：给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列 是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。
例如，[3, 6, 2, 7] 是数组[0, 3, 1, 6, 2, 2, 7] 的子序列。

示例 1：
输入：nums = [10, 9, 2, 5, 3, 7, 101, 18]
输出：4
解释：最长递增子序列是[2, 3, 7, 101]，因此长度为 4 。

示例 2：
输入：nums = [0, 1, 0, 3, 2, 3]
输出：4

示例 3：
输入：nums = [7, 7, 7, 7, 7, 7, 7]
输出：1

提示：

  • 1 <= nums.length <= 2500
  • 10^4 <= nums[i] <= 10^4

思路：

  1. dp[i] 表示：以 i 位置元素为结尾的「所有子序列」中，最长递增子序列的长度；
  2. 状态转移方程：对于 dp[i] ，我们可以根据「子序列的构成方式」，进行分类讨论：
  • 子序列长度为 1 ：只能自己了，此时 dp[i] = 1 ；
  • 子序列长度大于 1 ： nums[i] 可以跟在前面任何⼀个数后面形成子序列。设前面的某一个数的下标为 j ，其中 0 <= j <= i – 1 。只要 nums[j] < nums[i] ， i 位置元素跟在 j 元素后面就可以形成递增序列，长度为 dp[j] + 1 ；

因此，我们仅需找到满足要求的最大的 dp[j] + 1 即可；

综上， dp[i] = max(dp[j] + 1, dp[i]) ，其中 0 <= j <= i – 1 && nums[j] < nums[i]；

  1. 返回值：由于不知道最长递增子序列以谁结尾，因此返回 dp 表里面的「最大值」；

代码如下：

class Solution {public:int lengthOfLIS(vector& nums){// 动态规划// dp[i] 表示：以 i 位置元素为结尾的「所有子序列」中，最长递增子序列的长度vector dp(nums.size(), 1);int ret = 0;for (int i = nums.size() - 1; i >= 0; i--){for (int j = i + 1; j  nums[i]){dp[i] = max(dp[j] + 1, dp[i]);}}ret = max(dp[i], ret);}return ret;}};

2. 摆动序列

题目链接 -> Leetcode -376.摆动序列

Leetcode -376.摆动序列

题目：如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为 摆动序列 。第一个差（如果存在的话）可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。
例如，[1, 7, 4, 9, 2, 5] 是一个 摆动序列 ，因为差值(6, -3, 5, -7, 3) 是正负交替出现的。

相反，[1, 4, 7, 2, 5] 和[1, 7, 4, 5, 5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。
子序列 可以通过从原始序列中删除一些（也可以不删除）元素来获得，剩下的元素保持其原始顺序。

给你一个整数数组 nums ，返回 nums 中作为 摆动序列 的 最长子序列的长度 。

示例 1：
输入：nums = [1, 7, 4, 9, 2, 5]
输出：6
解释：整个序列均为摆动序列，各元素之间的差值为(6, -3, 5, -7, 3) 。

示例 2：
输入：nums = [1, 17, 5, 10, 13, 15, 10, 5, 16, 8]
输出：7
解释：这个序列包含几个长度为 7 摆动序列。
其中一个是[1, 17, 10, 13, 10, 16, 8] ，各元素之间的差值为(16, -7, 3, -3, 6, -8) 。

示例 3：
输入：nums = [1, 2, 3, 4, 5, 6, 7, 8, 9]
输出：2

提示：

  • 1 <= nums.length <= 1000
  • 0 <= nums[i] <= 1000

思路：

  1. 状态表示：这里我们选择比较常用的方式，以某个位置为结尾，结合题目要求，定义一个状态表示：dp[i] 表示「以 i 位置为结尾的最长摆动序列的长度」。
    但是，问题来了，如果状态表示这样定义的话，以 i 位置为结尾的最长摆动序列的长度我们没法从之前的状态推导出来。因为我们不知道前一个最长摆动序列的结尾处是递增的，还是递减的。因此，我们需要状态表示能表示多一点的信息：要能让我们知道这一个最长摆动序列的结尾是递增的还是递减的。

所以我们应该定义两个 dp 表：

  • f[i] 表示：以 i 位置元素为结尾的所有的子序列中，最后一个位置呈现「上升趋势」的最长摆动序列的长度；
  • g[i] 表示：以 i 位置元素为结尾的所有的子序列中，最后一个位置呈现「下降趋势」的最长摆动序列的长度；
  1. 状态转移方程：由于子序列的构成比较特殊， i 位置为结尾的子序列，前一个位置可以是 [0, i – 1] 的任意位置，因此设 j 为 [0, i – 1] 区间内的某一个位置。
  • 对于 f[i] ，我们可以根据「子序列的构成方式」，进行分类讨论：
    i. 子序列长度为 1 ：只能自己了，此时 f[i] = 1；这种情况不需要处理，我们在初始化的时候将 dp 表初始化为 1 即可 ；
    ii. 子序列长度大于 1 ：因为结尾要呈现上升趋势，因此需要 nums[j] < nums[i] 。在满足这个条件下， j 结尾需要呈现下降状态，最长的摆动序列就是 g[j] + 1 。因此我们要找出所有满足条件下的最大的 g[j] + 1 。

综上，因为题目需要返回的是最长子序列的长度所以 f[i] 的状态转移方程为 f[i] = max(g[j] + 1, f[i]) ，注意使用 g[j] 时需要判断；

  • 对于 g[i] ，我们可以根据「子序列的构成方式」，进行分类讨论：
    i. 子序列长度为 1 ：只能自己了，此时 g[i] = 1 ；这种情况不需要处理，我们在初始化的时候将 dp 表初始化为 1 即可 ；
    ii. 子序列长度大于 1 ：因为结尾要呈现下降趋势，因此需要 nums[j] > nums[i] 。在满足这个条件下， j 结尾需要呈现上升状态，因此最长的摆动序列就是 f[j] + 1 。因此我们要找出所有满足条件下的最大的 f[j] + 1 。

综上， g[i] = max(f[j] + 1, g[i]) ，注意使用 f[j] 时需要判断；

  1. 返回值：应该返回「两个 dp 表里面的最大值」，我们可以在填表的时候，顺便更新⼀个「最大值」；

代码如下：

class Solution {public:int wiggleMaxLength(vector& nums) {int n = nums.size();// f 表存最后呈现“上升”趋势的最长摆动子序列的长度// g 表存最后呈现“下降”趋势的最长摆动子序列的长度vector f(n, 1), g(n, 1);int ans = 1;for(int i = 1; i = 0; j--){// 如果是上升趋势，f[i] 就是 g 表中的最长摆动子序列的长度 + 1，因为 g 表是呈下降趋势的；下同if(nums[i] > nums[j]) f[i] = max(g[j] + 1, f[i]);else if(nums[i] < nums[j]) g[i] = max(f[j] + 1, g[i]);}ans = max(g[i], max(f[i], ans));}return ans;}};

3. 最长递增子序列的个数

题目链接 -> Leetcode -673.最长递增子序列的个数

Leetcode -673.最长递增子序列的个数

题目：给定一个未排序的整数数组 nums ， 返回最长递增子序列的个数 。

注意 这个数列必须是 严格 递增的。

示例 1:
输入: [1, 3, 5, 4, 7]
输出 : 2
解释 : 有两个最长递增子序列，分别是[1, 3, 4, 7] 和[1, 3, 5, 7]。

示例 2 :
输入 : [2, 2, 2, 2, 2]
输出 : 5
解释 : 最长递增子序列的长度是1，并且存在5个子序列的长度为1，因此输出5。

提示 :

  • 1 <= nums.length <= 2000
  • -10^6 <= nums[i] <= 10^6

思路：

  1. 状态表示：先尝试定义一个状态：以 i 为结尾的最长递增子序列的「个数」。那么问题就来了，我们都不知道以 i 为结尾的最长递增子序列的「长度」是多少，我怎么知道最长递增子序列的个数呢？

因此，我们解决这个问题需要两个状态，一个是「长度」，一个是「个数」：

  • len[i] 表示：以 i 为结尾的最长递增子序列的长度；
  • count[i] 表示：以 i 为结尾的最长递增子序列的个数；
  1. 状态转移方程：求个数之前，我们得先知道长度，因此先看 len[i] ：
  • 在求 i 结尾的最长递增序列的长度时，我们已经知道 [0, i – 1] 区间上的 len[j] 信息，用 j 表示 [0, i – 1] 区间上的下标；
  • 我们需要的是递增序列，因此 [0, i – 1] 区间上的 nums[j] 只要能和 nums[i] 构成上升序列，那么就可以更新 dp[i] 的值，此时最长长度为 dp[j] + 1 ；
  • 我们要的是 [0, i – 1] 区间上所有情况下的最大值。

综上所述，对于 len[i] ，我们可以得到状态转移方程为：

  • len[i] = max(len[j] + 1, len[i]) ，其中 0 <= j < i ，并且 nums[j] < nums[i]；

在知道每一个位置结尾的最长递增子序列的长度时，我们来看看能否得到 count[i] ：

  • 我们此时已经知道 len[i] 的信息，还知道 [0, i – 1] 区间上的 count[j] 信息，用 j 表示 [0, i – 1] 区间上的下标；
  • 我们可以再遍历⼀遍 [0, i – 1] 区间上的所有元素，只要能够构成上升序列，并且上升序列的长度等于 dp[i] ，那么我们就把 count[i] 加上 count[j] 的值。这样循环一遍之后，count[i] 存的就是我们想要的值。

综上所述，对于 count[i] ，我们可以得到状态转移方程为：

  • count[i] += count[j] ，其中 0 <= j < i ，并且 nums[j] < nums[i] && dp[j] + 1 == dp[i] ；
  1. 返回值：用 retlen 表示最终的最长递增子序列的长度。根据题目要求，我们应该返回所有长度等于 retlen 的子序列的个数；

代码如下：

class Solution {public:int findNumberOfLIS(vector& nums){int n = nums.size(); // len[i] 表示以 i 位置结尾的最长递增子序列的长度// count[i] 表示以 i 位置结尾的最长递增子序列的个数vector len(n, 1), count(n, 1);int retlen = 1, retcount = 1;for (int i = 1; i = 0; j--){if (nums[i] > nums[j]){// 贪心if (len[j] + 1 > len[i]){len[i] = len[j] + 1;count[i] = count[j];}else if (len[j] + 1 == len[i]){count[i] += count[j];}}}// 贪心if (retlen == len[i]){retcount += count[i];}else if (len[i] > retlen){retlen = len[i];retcount = count[i];}}return retcount;}};

4. 最长数对链

题目链接 -> Leetcode -646.最长数对链

Leetcode -646.最长数对链

题目：给你一个由 n 个数对组成的数对数组 pairs ，其中 pairs[i] = [lefti, righti] 且 lefti < righti 。
现在，我们定义一种 跟随 关系，当且仅当 b < c 时，数对 p2 = [c, d] 才可以跟在 p1 = [a, b] 后面。我们用这种形式来构造 数对链 。
找出并返回能够形成的 最长数对链的长度 。
你不需要用到所有的数对，你可以以任何顺序选择其中的一些数对来构造。

示例 1：
输入：pairs = [[1, 2], [2, 3], [3, 4]]
输出：2
解释：最长的数对链是[1, 2] ->[3, 4] 。

示例 2：
输入：pairs = [[1, 2], [7, 8], [4, 5]]
输出：3
解释：最长的数对链是[1, 2] ->[4, 5] ->[7, 8] 。

提示：

  • n == pairs.length
  • 1 <= n <= 1000
  • -1000 <= lefti < righti <= 1000

思路：本题思路与第一题 最长递增子序列 的思路类似，我们只需要将数对按照第一个元素排一下序即可处理；

代码如下：

class Solution {public:int findLongestChain(vector<vector>& pairs) {sort(pairs.begin(), pairs.end()); // 对第一个元素排序int n = pairs.size();vector dp(n, 1);int ans = 1;// dp[i] 表⽰以 i 位置的数对为结尾时，最⻓数对链的⻓度for(int i = 1; i = 0; j--){if(pairs[i][0] > pairs[j][1]) dp[i] = max(dp[j] + 1, dp[i]);}ans = max(dp[i], ans);}return ans;}};

5. 最长定差子序列

题目链接 -> Leetcode -1218.最长定差子序列

Leetcode -1218.最长定差子序列

题目：给你一个整数数组 arr 和一个整数 difference，请你找出并返回 arr 中最长等差子序列的长度，该子序列中相邻元素之间的差等于 difference 。

子序列 是指在不改变其余元素顺序的情况下，通过删除一些元素或不删除任何元素而从 arr 派生出来的序列。

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

思路：

  1. 状态表示：
  • dp[i] 表示：以 i 位置的元素为结尾所有的子序列中，最长的等差子序列的长度。
  1. 状态转移方程：对于 dp[i] ，上一个定差子序列的取值定为 arr[i] – difference 。只要找到以上一个数字为结尾的定差子序列长度的 dp[arr[i] – difference] ，然后加上 1 ，就是以 i 为结尾的定差子序列的长度。

因此，这里可以选择使用哈希表做优化。我们可以把「元素， dp[j] 」绑定，放进哈希表中。甚至不用创建 dp 数组，直接在哈希表中做动态规划。

  1. 返回值：根据「状态表示」，返回整个 dp 表中的最大值；

代码如下：

class Solution {public:int longestSubsequence(vector& arr, int difference) {// dp[i] 表示：以 i 位置的元素为结尾所有的⼦序列中，最长的等差子序列的长度unordered_map hash; // arr[i], dp[i]hash[arr[0]] = 1;int n = arr.size();int ans = 1;for(int i = 1; i < n; i++){hash[arr[i]] = hash[arr[i] - difference] + 1;ans = max(hash[arr[i]], ans);}return ans;}};

6. 最长的斐波那契子序列的长度

题目链接 -> Leetcode -873.最长的斐波那契子序列的长度

Leetcode -873.最长的斐波那契子序列的长度

题目：如果序列 X_1, X_2, …, X_n 满足下列条件，就说它是 斐波那契式 的：

  • n >= 3
  • 对于所有 i + 2 <= n，都有 X_i + X_{ i + 1 } = X_{ i + 2 }

给定一个严格递增的正整数数组形成序列 arr ，找到 arr 中最长的斐波那契式的子序列的长度。如果一个不存在，返回 0 。
（回想一下，子序列是从原序列 arr 中派生出来的，它从 arr 中删掉任意数量的元素（也可以不删），而不改变其余元素的顺序。例如，[3, 5, 8] 是[3, 4, 5, 6, 7, 8] 的一个子序列）

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] 。

提示：

  • 3 <= arr.length <= 1000
  • 1 <= arr[i] < arr[i + 1] <= 10^9

思路：

  1. 状态表示：这里我们选择比较常用的方式，以某个位置为结尾，结合题目要求，定义一个状态表示：dp[i] 表示：以 i 位置元素为结尾的「所有子序列」中，最长的斐波那契子数列的长度。

但是这里有一个非常致命的问题，那就是我们无法确定 i 结尾的斐波那契序列的样子。这样就会导致我们无法推导状态转移方程，因此我们定义的状态表示需要能够确定一个斐波那契序列。

根据斐波那契数列的特性，我们仅需知道序列里面的最后两个元素，就可以确定这个序列的样子。因此，我们修改我们的状态表示为：

  • dp[i][j] 表示：以 i 位置以及 j 位置的元素为结尾的所有的子序列中，最长的斐波那契子序列的长度。规定： i < j.
  1. 状态转移方程：设 nums[i] = b, nums[j] = c ，那么这个序列的前一个元素就是 a = c – b 。我们根据 a 的情况讨论：
  • a 存在，下标为 k ，并且 a < b ：此时我们需要以 k 位置以及 i 位置元素为结尾的最长斐波那契子序列的长度，然后再加上 j 位置的元素即可。于是 dp[i][j] = dp[k][i] + 1 ；
  • a 存在，但是 b < a < c ：此时只能两个元素自己了， dp[i][j] = 2 ；
  • a 不存在：此时依旧只能两个元素自己了， dp[i][j] = 2 ；

综上，状态转移方程分情况讨论即可。

优化点：我们发现，在状态转移方程中，我们需要确定 a 元素的下标。因此我们可以在 dp 之前，将所有的「元素 + 下标」绑定在一起，放到哈希表中。

  1. 返回值：因为不知道最终结果以谁为结尾，因此返回 dp 表中的最大值 ret ；但是 ret 可能小于 3 ，小于 3 的话说明不存在；因此需要判断一下。

代码如下：

class Solution {public:int lenLongestFibSubseq(vector& arr){int n = arr.size();unordered_map hash; // arr[i] - i ，将数组中的元素与下标绑定放入哈希表中for (int i = 0; i < n; i++) hash[arr[i]] = i;vector<vector> dp(n, vector(n, 2));int ans = 2;// dp[j][i] 表示以 j 和 i 位置的元素为结尾的所有子序列中，最长的斐波那契子序列的长度for (int i = 2; i = 1; j--) //固定 j 在前{int tp = arr[i] - arr[j];if (tp < arr[j] && hash.count(tp)) dp[j][i] = dp[hash[tp]][j] + 1;ans = max(dp[j][i], ans);}hash[arr[i]] = i;}return ans < 3 ? 0 : ans;}};

7. 最长等差数列

题目链接 -> Leetcode -1027.最长等差数列

Leetcode -1027.最长等差数列

题目：给你一个整数数组 nums，返回 nums 中最长等差子序列的长度。

回想一下，nums 的子序列是一个列表 nums[i1], nums[i2], …, nums[ik] ，且 0 <= i1 < i2 < … < ik <= nums.length – 1。
并且如果 seq[i + 1] – seq[i](0 <= i < seq.length – 1) 的值都相同，那么序列 seq 是等差的。

示例 1：
输入：nums = [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：nums = [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：nums = [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 <= nums.length <= 1000
  • 0 <= nums[i] <= 500

思路：本题思路与上题思路类似，只是在推前一个元素的方法不一样，其中本题：设 nums[i] = b, nums[j] = c ，那么这个序列的前一个元素就是 a = 2 * b – c ；接下来我们和上题根据 a 的情况讨论，这里就不再做讨论。

代码如下：

class Solution {public:int longestArithSeqLength(vector& nums) {int n = nums.size();unordered_map hash; // nums[i], i//for(int i = 0; i < n; i++) hash[nums[i]] = i;hash[nums[0]] = 0;int ans = 2;vector<vector> dp(n, vector(n, 2));// dp[i][j] 表示：以 i 位置以及 j 位置的元素为结尾的所有的⼦序列中，最长的等差序列的⻓度。规定 i < jfor(int i = 1; i < n; i++) // 固定倒数第二个数{for(int j = i + 1; j < n; j++)// 固定倒数第一个数{// 求出以 i 和 j 位置结尾的子序列中，以它们为等差数列的前一个数int tp = 2 * nums[i] - nums[j];if(hash.count(tp)) {dp[i][j] = dp[hash[tp]][i] + 1;}ans = max(ans, dp[i][j]);}// 一边做 dp 一边更新hash数组；以便多个 tp 元素重复时，hash[tp]找到的是离 i 最近的下标hash[nums[i]] = i;}return ans;}};

8. 等差数列划分Ⅱ – 子序列

题目链接 -> 等差数列划分Ⅱ – 子序列

Leetcode -446.等差数列划分Ⅱ – 子序列

题目：给你一个整数数组 nums ，返回 nums 中所有 等差子序列 的数目。

如果一个序列中 至少有三个元素 ，并且任意两个相邻元素之差相同，则称该序列为等差序列。

例如，[1, 3, 5, 7, 9]、[7, 7, 7, 7] 和[3, -1, -5, -9] 都是等差序列。
再例如，[1, 1, 2, 5, 7] 不是等差序列。
数组中的子序列是从数组中删除一些元素（也可能不删除）得到的一个序列。

例如，[2, 5, 10] 是[1, 2, 1, 2, 4, 1, 5, 10] 的一个子序列。
题目数据保证答案是一个 32 – bit 整数。

示例 1：
输入：nums = [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]

示例 2：
输入：nums = [7, 7, 7, 7, 7]
输出：16
解释：数组中的任意子序列都是等差子序列。

提示：

  • 1 <= nums.length <= 1000
  • -2^31 <= nums[i] <= 2^31 – 1

思路：

本题与最长等差数列的区别是，最长等差数列求的是最长等差数列的长度，本题求的是等差数列的数目；所以思路我们也是类似的：

  1. 状态表示：dp[i][j] 表示：以 i 位置以及 j 位置的元素为结尾的所有的子序列中，等差子序列的个数。规定⼀下 i < j.

  2. 状态转移方程：设 nums[i] = b, nums[j] = c ，那么这个序列的前一个元素就是 a = 2 * b – c 。我们根据 a 的情况讨论：

  • a 存在，下标为 k ，并且 a < b ：此时我们知道以 k 元素以及 i 元素结尾的等差序列的个数 dp[k][i] ，在这些子序列的后面加上 j 位置的元素依旧是等差序列。但是这里会多出来一个以 k, i, j 位置的元素组成的新的等差序列，因此 dp[i][j] = dp[k][i] + 1 ；
  • 因为 a 可能有很多个，我们需要全部累加起来。

综上， dp[i][j] += dp[k][i] + 1.

  1. 返回值：我们要统计所有的等差子序列，因此返回 dp 表中所有元素的和。

代码如下：

class Solution {public:int numberOfArithmeticSlices(vector& nums) {int n = nums.size();// 将数组的元素和下标数组绑定在一起放入哈希表中，因为相同的元素会有不同的下标unordered_map<long long, vector> hash;for(int i = 0; i < n; i++) hash[nums[i]].push_back(i);vector<vector> dp(n, vector(n));int count = 0;for(int i = 1; i < n; i++) // 枚举倒数第二个数{for(int j = i + 1; j < n; j++) // 枚举倒数第一个数{long long tp = (long long)2 * nums[i] - nums[j];if(hash.count(tp)) {// 遍历 tp 元素的下标数组，tp 的下标需要小于 ifor(auto& k : hash[tp]){// 需要 += ，是因为要确定以 i、j 为结尾的元素前面的等差数列个数，就要用以 k、i 为结尾的元素前面的等差数列个数再加上1；因为以 k、i 为结尾的元素前面的等差数列再加上 j 的元素，也能构成数量相同的等差数列个数，而且多了 k、i、j 这一组等差数列，所以要多加1if(k < i) dp[i][j] += dp[k][i] + 1;}}count += dp[i][j];}}return count;}};