LeetCode -- 131.分割回文串

本文介绍了如何通过回溯法和剪枝策略解决字符串分割成回文串的问题,对比了暴力搜索的效率,并提供了两种方法的代码实现,展示了如何在搜索过程中加入条件判断以减少计算量。

1. 问题描述

给你一个字符串 s,请你将 s 分割成一些子串,使每个子串都是 回文串 。返回 s 所有可能的分割方案。回文串 是正着读和反着读都一样的字符串。

示例 1:
输入:s = “aab”
输出:[[“a”,“a”,“b”],[“aa”,“b”]]

示例 2:
输入:s = “a”
输出:[[“a”]]

2. 思路一(回溯法暴力搜索)

将字符串s的所有分割方式都搜索出来,然后一个一个判断是否满足回文串的条件,即可求得答案。那么,如何表示分割方式且回溯求得所有分割方式呢?

拿示例1举例,字符串s = "aab,初始化列表path为空。

先看第一个字符a,由于他是第一个字符,所以他无法和之前的字符(因为没有)结合,所以他单独加入path,此时path为[“a”]。第一个字符完成。

之后看第二个字符a,他就有两种选择。

  • 与之前的字符a合并,此时代表再字符串的第二个字符处进行分割,那么此时path为[”aa“]
  • 不与之前的字符合并,单独加入path,此时代表再字符串的第一个字符以及第二个字符都进行分割,此时path为[“a”, “a”]

继续看第三个字符、第四个字符。。。。。。直到字符串结束。这样就完成了暴力搜索。

代码如下:

public List<List<String>> partition(String s) {
		//存放结果
        List<List<String>> res = new ArrayList<>();
        //特殊情况
        if(s == null || s.length() == 0) {
            return res;
        }
        //存放当前分割结果
        List<String> path = new ArrayList<>();
        //递归搜索
        dfs(res, s, path, 0, 0);
        return res;
    }

	//depth表示当前在判断字符串s的第depth+1个字符,start记录上一个字符在path中的位置,因为当前字符可能需要与上一个字符拼接
    private void dfs(List<List<String>> res, String s, List<String> path, int depth, int start) {
    	//如果最后一个字符也已经加入path,且满足都是回文串的条件,则把此时的path加入到结果res中
        if(depth == s.length()) {
            if(isTrue(path)) {
                res.add(new ArrayList<>(path));
            }
            return;
        }
        for (int i = start; i < path.size(); i++) {
            String str = path.get(i);
            str += s.charAt(depth);
            path.set(i, str);
            dfs(res, s, path, depth + 1, i);
            str = str.substring(0, str.length() - 1);
            path.set(i, str);
        }
        path.add(String.valueOf(s.charAt(depth)));
        dfs(res, s, path, depth + 1, path.size() - 1);
        path.remove(path.size() - 1);
    }

    private boolean isTrue(List<String> path) {
        for (String s : path) {
            int start = 0;
            int end = s.length() - 1;
            while (start < end) {
                if (s.charAt(start) == s.charAt(end)) {
                    start++;
                    end--;
                } else {
                    return false;
                }
            }
        }
        return true;
    }

但这种思路只在最后进行条件判断,因此需要将所有情况遍历一遍,耗时较久

那么,在这个基础上进行改进,则是在遍历时,就加入条件判断,提前将不满足的情况去除,减小递归次数。

3. 思路二(回溯法 + 剪枝)

由于条件要求所有子串要都满足回文串的条件,因此我们对字符串s进行遍历,只有当当前子串满足回文串,才会接着考虑之后的字符。

还是拿示例一“aab”举例。

首先看第一个字符a,字符a满足回文串,那么递归考虑剩下的字符串“ab”。

  • 同理,对于ab,也是先考虑第一个字符”a“,符合条件,考虑剩下的“b"。b也满足条件,那么此时递归完成,得到一个答案[“a”, “a”, “b”]。
  • 考虑ab的第二个字符,此时子串”ab“不满足回文串条件,也就是说当前分割[“a”, “ab”]不满足条件,之后的字符串也不考虑,结束。

接着看第二个字符。此时当前第一个子串就是前两个字符”aa“,也满足回文串的条件,那么接着考虑剩下的字符"b",显然b也满足,因此,此时得到一个答案[“aa”, “b”]。

之后看第三个字符。此时当前子串是”aab“,不满足回文串条件,直接结束。

此时由于已经将字符串的所有字符都考虑结束,结束搜索,一共有两个答案。

代码如下:

public List<List<String>> partition(String s) {
        List<List<String>> res = new ArrayList<>();
        if(s == null || s.length() == 0) {
            return res;
        }
        List<String> path = new ArrayList<>();
        dfs(s, 0, res, path);
        return res;
    }
	//start表示当前在考虑字符串s的第start+1个字符
    private void dfs(String s, int start, List<List<String>> res, List<String> path) {
        if(start == s.length()) {
            res.add(new ArrayList<>(path));
            return;
        }
        for (int i = start; i < s.length(); i++) {
        	//如果当前下标从start到i的子串满足回文串条件,回溯搜索剩余的子串,即下标从i+1开始
            if(isPalindrome(s, start, i)) {
            	//更新path,将子串加入当前分割结果
                path.add(s.substring(start, i + 1));
                dfs(s, i + 1, res, path);
                //回溯结束,状态重置
                path.remove(path.size() - 1);
            }
        }
    }
	//判断当前字符串s中,下标从start到end的子串是否为回文串
    private boolean isPalindrome(String s, int start, int end) {
        while (start <= end) {
            if(s.charAt(start) == s.charAt(end)) {
                start++;
                end--;
            }else {
                return false;
            }
        }
        return true;
    }

可以看到,在搜索时加入条件判断,可以有效地加快搜索速度。

# 力扣hot100刷题记录表 ### 一,哈希部分 - [ ] 1. 两数之和 (简单) - [ ] 2. 字母异位词分组(中等) - [ ] 3. 最长连续序列(中等) ### 二,双指针部分 - [ ] 4. 移动零(简单) - [ ] 5. 盛水最多的容器 (中等) - [ ] 6. 三数之和 (中等) - [ ] 7. 接雨水(困难) ### 三,滑动窗口 - [ ] 8. 无重复字符的最长子串(中等) - [ ] 9. 找到字符中所有的字母异位词(中等) ### 四,子串 - [ ] 10. 和为k的子数组(中等) - [ ] 11. 滑动窗口最大值(困难) - [ ] 12. 最小覆盖子窜(困难) ### 五,普通数组 - [ ] 13. 最大子数组和(中等) - [ ] 14. 合并区间(中等) - [ ] 15. 轮转数组(中等) - [ ] 16. 除自身以外数组的乘积(中等) - [ ] 17. 缺失的第一个正数(困难) ### 六,矩阵 - [ ] 18. 矩阵置零(中等) - [ ] 19. 螺旋矩阵 (中等) - [ ] 20. 旋转图像 (中等) - [ ] 21. 搜索二维矩阵Ⅱ (中等) ### 七,链表 - [ ] 22. 相交链表 (简单) - [ ] 23. 反转链表 (简单) - [ ] 24. 回文链表 (简单) - [ ] 25. 环形链表 (简单) - [ ] 26. 环形链表Ⅱ (中等) - [ ] 27. 合并两个有序链表 (简单) - [ ] 28. 两数相加 (中等) - [ ] 29. 删除链表的倒数第 N 个结点 (中等) - [ ] 30. 两两交换链表中的节点 (中等) - [ ] 31. K个一组翻转链表 (困难) - [ ] 32. 随机链表的复制 (中等) - [ ] 33. 排序链表 (中等) - [ ] 34. 合并 K 个升序链表 (困难) - [ ] 35. LRU 缓存 (中等) ### 八,二叉树 - [ ] 36. 二叉树的中序遍历 (简单) - [ ] 37. 二叉树的最大深度 (简单) - [ ] 38. 翻转二叉树 (简单) - [ ] 39. 对称二叉树 (简单) - [ ] 40. 二叉树的直径 (简单) - [ ] 41. 二叉树的层序遍历 (中等) - [ ] 42. 将有序数组转换为二叉搜索树 (简单) - [ ] 43. 验证二叉搜索树 (中等) - [ ] 44. 二叉搜索树中第 K 小的元素 (中等) - [ ] 45. 二叉树的右视图 (中等) - [ ] 46. 二叉树展开为链表 (中等) - [ ] 47. 从前序与中序遍历序列构造二叉树 (中等) - [ ] 48. 路径总和 III (中等) - [ ] 49. 二叉树的最近公共祖先 (中等) - [ ] 50. 二叉树中的最大路径和 (困难) ### 九,图论 - [ ] 51. 岛屿数量 (中等) - [ ] 52. 腐烂的橘子 (中等) - [ ] 53. 课程表 (中等) - [ ] 54. 实现 Trie(前缀树) (中等) ### 十,回溯 - [ ] 55.全排列(中等) - [ ] 56.子集(中等) - [ ] 57.电话号码的字母组合(中等) - [ ] 58.组合总和(中等) - [ ] 59.括号生成(中等) - [ ] 60.单词搜索(中等) - [ ] 61.分割回文串(中等) - [ ] 62.N 皇后 (困难) ### 十一,二分查找 - [ ] 63. 搜索插入位置 (简单) - [ ] 64. 搜索二维矩阵 (中等) - [ ] 65. 在排序数组中查找元素的第一个和最后一个位置 (中等) - [ ] 66. 搜索旋转排序数组 (中等) - [ ] 67. 寻找旋转排序数组中的最小值 (中等) - [ ] 68. 寻找两个正序数组的中位数 (困难) ### 十二,栈 - [ ] 69. 有效的括号 (简单) - [ ] 70. 最小栈 (中等) - [ ] 71. 字符串解码 (中等) - [ ] 72. 每日温度 (中等) - [ ] 73. 柱状图中最大的矩形 (困难) ### 十三,堆 - [ ] 74. 数组中的第K个最大元素 (中等) - [ ] 75. 前K 个高频元素 (中等) - [ ] 76. 数据流的中位数 (闲难) ### 十四,贪心算法 - [ ] 77. 买卖股票的最佳时机 (简单) - [ ] 78. 跳跃游戏 (中等) - [ ] 79. 跳跃游戏 III (中等) - [ ] 80. 划分字母区间 (中等) ### 十五,动态规划 - [ ] 81. 爬楼梯(简单) - [ ] 82. 杨辉三角 (简单) - [ ] 83. 打家劫舍 (中等) - [ ] 84. 完全平方数 (中等) - [ ] 85. 零钱兑换 (中等) - [ ] 86. 单词拆分 (中等) - [ ] 87. 最长递增子序列 (中等) - [ ] 88. 乘积最大子数组 (中等) ### 十六,多维动态规划 - [ ] 91. 不同路径 (中等) - [ ] 92. 最小路径和 (中等) - [ ] 93. 最长回文子串 (中等) - [ ] 94. 最长公共子序列 (中等) - [ ] 95. 编辑距离 (中等) ### 十七,技巧 - [ ] 96. 只出现一次的数字 (简单) - [ ] 97. 多数元素 (简单) - [ ] 98. 颜色分类 (中等) - [ ] 99. 下一个排列 (中等) - [ ] 100. 寻找重复数 (中等) 如何使用
最新发布
07-20
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值