文章目录
题目
给你一个字符串 s,找到 s 中最长的回文子串。
如果字符串的反序与原始字符串相同,则该字符串称为回文字符串。
示例 1:
输入:s = “babad”
输出:“bab”
解释:“aba” 同样是符合题意的答案。
示例 2:
输入:s = “cbbd”
输出:“bb”
提示:
1 <= s.length <= 1000
s 仅由数字和英文字母组成
自己拿到手的做法:
1、直接两层for循环,开头字母固定,结尾字母遍历
分析:
1、暴力法:同上,列举所有可能,判断
2、动态规划:字符串反序,然后正反序对比
3、暴力破解优化
暴力法
可以,但是时间太长了,超时了
public String longestPalindrome(String s){
String ans = "";
int max = 0;
for(int i = 0; i < s.length(); i++){
for(int j = i + 1; j <= s.length(); j++){ //这里要 <= substring(i, j)不包括末尾坐标
String str = s.substring(i, j);
if(isHuiWen(str) && str.length() > max){
ans = s.substring(i, j);
max = Math.max(max, ans.length());
}
}
}
return ans;
}
private boolean isHuiWen(String s) {
for(int i = 0; i < s.length() / 2; i++){
if(s.charAt(i) != s.charAt(s.length() - 1 - i)){
return false;
}
}
return true;
}
动态规划
动态规划(回文判断,位置判断)
1、思想:字符串反序---->找出回文串
存在问题:回文串是可以找到的,但是找到的位置(反序和正序的相对位置)可能不是一个位置的,
所以导致可能匹配错误(S="abc435cba" , s' = "abc534cba"为例)
解决方法:再找到回文串的时候,判断 反序的串转化过来是否和正序的位置一样
(不需要一个一个字母来判断,判断最后一个字母就可以了)
时间复杂度:两层循环O(n^2)
空间复杂度:一个二维数组O(n^2)
public class text2 {
public static void main(String[] args) {
}
public String longestPalindrome(String s){
if(s.equals("")){
return "";
}
String s2 = new StringBuffer(s).reverse().toString(); //字符串倒置
int len = s.length();
int[][] dp = new int[len][len];
int maxLen = 0;
int maxEnd = 0;
for(int i = 0; i < len; i++){
for(int j = 0; j < len; j++){
if(s.charAt(i) == s2.charAt(j)){
if(i == 0 || j == 0){
dp[i][j] = 1;
}else{
dp[i][j] = dp[i - 1][j - 1] + 1;
}
}
/*这里判断 :在回文的前提下,是否在同一个位置上*/
if(dp[i][j] > maxLen){
int beforeRev = len - 1 - j; //倒置前的下标
if(beforeRev + dp[i][j] - 1 == i){ //下标是否对应
maxLen = dp[i][j];
maxEnd = i;
}
}
}
}
return s.substring(maxEnd - maxLen + 1, maxEnd + 1);
}
}
滚动数组(空间优化)
2、优化:滚动数组(一维数组)
从后往前
空间复杂度:O(n)
public class text2 {
public static void main(String[] args) {
text2 text2 = new text2();
text2.longestPalindrome("abc345cba");
}
public String longestPalindrome(String s){
if(s.equals("")){
return "";
}
String s2 = new StringBuffer(s).reverse().toString(); //字符串倒置
int len = s.length();
int[] dp = new int[len];
int maxLen = 0;
int maxEnd = 0;
for(int i = 0; i < len; i++){
/********************修改的地方**************************/
for(int j = len - 1; j >= 0; j--){
/********************修改**************************/
if(s.charAt(i) == s2.charAt(j)){
if(i == 0 || j == 0){
dp[j] = 1;
}else{
dp[j] = dp[j - 1] + 1;
}
/*****************修改的地方***********************/
}else{ //判断不相同的时候,数组置0
dp[j] = 0;
}
/********************************************/
if(dp[j] > maxLen){
int beforeRev = len - 1 - j; //倒置前的下标
if(beforeRev + dp[j] - 1 == i){ //下标是否对应
maxLen = dp[j];
maxEnd = i;
}
}
}
}
return s.substring(maxEnd - maxLen + 1, maxEnd + 1);
}
}
暴力破解优化
动态规划1
1、暴力法存在问题:时间太长(每次列举出来子串,每次都要判断回文)
优化:把子串的回文状况存起来(动态规划),在这个迭代过程中(少判断了好多次回文),判断长度
迭代公式:P(i,j)=(P(i+1,j−1)&&S[i]==S[j])
原理:先求len = 1 的,利用公式可知:能求出来 len = 3, 5 的
同理len = 2 的, 可以求出来 len = 4, 6的
在求3, 4, 5, 6....的时候1, 2的已经求出来了
时间复杂度:O(n^2)
空间复杂度:O(n^2)
优化:当我们求长度为 6 和 5 的子串的情况时,其实只用到了 4,3 长度的情况,而长度为 1 和 2 的子串情况其实已经不需要了。但是由于我们并不是用 P 数组的下标进行的循环,暂时没有想到优化的方法。
可以看出来这种方式是:按长度来遍历的,先是长度1, 后是长度2…
public String longestPalindrome(String s){
int length = s.length();
boolean[][] p = new boolean[length][length];
int maxLen = 0;
String maxPal = "";
for(int len = 1; len <= length; len++){ //遍历所有可能的长度
for(int start = 0; start < length - 1; start++){ //子串起始的位置
int end = start + len - 1; //算出子串结束的位置(依据起始和长度)
if(end > length) //下标越界,结束本次循环
break;
/*
* 判断回文(分分为前后两部分,&&前后,前:1 或 2 或 子串左右两边的是否回文 后:当前是否回文)
* 长度为1的时候start 和 end 是一样的
* 长度为2的时候,
* */
p[start][end] = (len == 1 || len == 2 || p[start + 1][end - 1]) && s.charAt(start) == s.charAt(end);
if(p[start][end] && len > maxLen){ //回文 && 长度大于当前max
maxPal = s.substring(start, end + 1);
}
}
}
return maxPal;
}
动态规划2
2、换一种动态规划的方式:(字符串)从后向前遍历
分析:这样看起来更合理,i 需要 i + 1
迭代公式:P(i,j)=(P(i+1,j−1)&&S[i]==S[j])
但是:
时间复杂度:O(n^2)
空间复杂度:O(n^2)
这种是从底层向上递推的
public String longestPalindrome(String s) {
int n = s.length();
String res = "";
boolean[][] dp = new boolean[n][n];
//字符串 从后往前截取
for (int i = n - 1; i >= 0; i--) {
for (int j = i; j < n; j++) {
//j - i < 2 表示:长度是1的时候直接就true,是2及以上的话判断dp[i + 1][j - 1](动态规划)
dp[i][j] = s.charAt(i) == s.charAt(j) && (j - i < 2 || dp[i + 1][j - 1]); //j - i 代表长度减去 1
if (dp[i][j] && j - i + 1 > res.length()) {
res = s.substring(i, j + 1);
}
}
}
return res;
}
滚动数组(空间优化)
3、优化:滚动数组(一维数组)
因为上面的是一层一层来递推的,下推上
public String longestPalindrome(String s) {
int n = s.length();
String res = "";
boolean[] P = new boolean[n];
for (int i = n - 1; i >= 0; i--) {
for (int j = n - 1; j >= i; j--) {
P[j] = s.charAt(i) == s.charAt(j) && (j - i < 3 || P[j - 1]);
if (P[j] && j - i + 1 > res.length()) {
res = s.substring(i, j + 1);
}
}
}
return res;
}
扩展中心
回文串一定是对称的,所以每次循环选择一个中心,进行左右扩展,判断左右字符串是否相等就行了
分析:
奇数串:从一个字符开始扩展 n个中心
偶数串:从字符中心开始扩展 n - 1 个中心
时间复杂度:O(n^2)
空间复杂度:O(1)
public String longestPalindrome(String s) {
if (s == null || s.length() < 1) return "";
int start = 0, end = 0;
for (int i = 0; i < s.length(); i++) { //要扩展的中心
int len1 = expandAroundCenter(s, i, i); //奇数
int len2 = expandAroundCenter(s, i, i + 1); //偶数
int len = Math.max(len1, len2);
//判断长度
if (len > end - start) {
start = i - (len - 1) / 2;
end = i + len / 2;
}
}
return s.substring(start, end + 1);
}
/**
*
* @param s
* @param left
* @param right
* @return 返回-1, 0, 长度
*/
private int expandAroundCenter(String s, int left, int right) {
int L = left, R = right;
//一直判断
//L >= 0左边不超出去,R < s.length()右边不超出去,
while (L >= 0 && R < s.length() && s.charAt(L) == s.charAt(R)) {
L--;
R++;
}
return R - L - 1;
}
Manacher’s Algorithm 马拉车算法
马拉车算法:查找一个字符串最长回文子串的线性方法
时间复杂度:for 循环里边套了一层 while 循环,难道不是O(n^2)?
不!其实是 O(n)。不严谨的想一下,因为 while 循环访问 R 右边的数字用来扩展,
也就是那些还未求出的节点,然后不断扩展,而期间访问的节点下次就不会再进入 while 了,
可以利用对称得到自己的解,所以每个节点访问都是常数次,所以是 O(n)。
空间复杂度:O(n)。
步骤:
1、
首先我们解决下奇数和偶数的问题,在每个字符间插入 “#”,并且为了使得扩展的过程中,
到边界后自动结束,在两端分别插入 “^” 和 “$”,两个不可能在字符串中出现的字符,
这样中心扩展的时候,判断两端字符是否相等的时候,如果到了边界就一定会不相等,从而出了循环。
经过处理,字符串的长度永远都是奇数了。
2、
首先我们用一个数组 P 保存从中心扩展的最大个数,而它刚好也是去掉 “#” 的原字符串的总长度。例如下图中下标是 6 的地方,可以看到 P[ 6 ] 等于 5,所以它是从左边扩展 5 个字符,相应的右边也是扩展 5 个字符,也就是 “#c#b#c#b#c#”。而去掉 # 恢复到原来的字符串,变成 “cbcbc”,它的长度刚好也就是 5。
3、求原字符串坐标
用 P 的下标 i 减去 P [ i ],再除以 2,就是原字符串的开头下标了。
例如我们找到 P[ i ] 的最大值为 5,也就是回文串的最大长度是 5,对应的下标是 6,所以原字符串的开头下标是(6 - 5 )/ 2 = 0。所以我们只需要返回原字符串的第 0 到 第(5 - 1)位就可以了。
4、求每个p[i]
接下来是算法的关键了,它充分利用了回文串的对称性。
我们用 C 表示回文串的中心,用 R 表示回文串的右边半径。所以 R = C + P[ i ]。C 和 R 所对应的回文串是当前循环中 R 最靠右的回文串。
让我们考虑求 P [ i ] 的时候,如下图。
用 i_mirror 表示当前需要求的第 i 个字符关于 C 对应的下标。
我们现在要求 P [ i ],如果是用中心扩展法,那就向两边扩展比对就行了。但是我们其实可以利用回文串 C 的对称性。i 关于 C 的对称点是 i_mirror,P [ i_mirror ] = 3,所以 P [ i ] 也等于 3。
但是有三种情况将会造成直接赋值为 P [ i_mirror ] 是不正确的,下边一一讨论。
(1)超出了R
当我们要求 P [ i ] 的时候,P [ mirror ] = 7,而此时 P [ i ] 并不等于 7,为什么呢,因为我们从 i 开始往后数 7 个,等于 22,已经超过了最右的 R,此时不能利用对称性了,但我们一定可以扩展到 R 的,所以 P [ i ] 至少等于 R - i = 20 - 15 = 5,会不会更大呢,我们只需要比较 T [ R+1 ] 和 T [ R+1 ]关于 i 的对称点就行了,就像中心扩展法一样一个个扩展。
(2) P [ i_mirror ] 遇到了原字符串的左边界
此时 P [ i_mirror ] = 1,但是 P [ i ] 赋值成 1 是不正确的,出现这种情况的原因是 P [ i_mirror ] 在扩展的时候首先是 “#” == “#”,之后遇到了 “^” 和另一个字符比较,也就是到了边界,才终止循环的。而 P [ i ] 并没有遇到边界,所以我们可以继续通过中心扩展法一步一步向两边扩展就行了。
(3)i等于了R
此时我们先把 P [ i ] 赋值为 0,然后通过中心扩展法一步一步扩展就行了。
考虑 C 和 R 的更新
就这样一步一步的求出每个 P [ i ],当求出的 P [ i ] 的右边界大于当前的 R 时,我们就需要更新 C 和 R 为当前的回文串了。因为我们必须保证 i 在 R 里面,所以一旦有更右边的 R 就要更新 R。
此时的 P [ i ] 求出来将会是 3,P [ i ] 对应的右边界将是 10 + 3 = 13,所以大于当前的 R,我们需要把 C 更新成 i 的值,也就是 10,R 更新成 13。继续下边的循环。
public String preProcess(String s) {
int n = s.length();
if (n == 0) {
return "^$";
}
String ret = "^";
for (int i = 0; i < n; i++)
ret += "#" + s.charAt(i);
ret += "#$";
return ret;
}
// 马拉车算法
public String longestPalindrome2(String s) {
String T = preProcess(s);
int n = T.length();
int[] P = new int[n];
int C = 0, R = 0;
for (int i = 1; i < n - 1; i++) {
int i_mirror = 2 * C - i;
if (R > i) {
P[i] = Math.min(R - i, P[i_mirror]);// 防止超出 R
} else {
P[i] = 0;// 等于 R 的情况
}
// 碰到之前讲的三种情况时候,需要利用中心扩展法
while (T.charAt(i + 1 + P[i]) == T.charAt(i - 1 - P[i])) {
P[i]++;
}
// 判断是否需要更新 R
if (i + P[i] > R) {
C = i;
R = i + P[i];
}
}
// 找出 P 的最大值
int maxLen = 0;
int centerIndex = 0;
for (int i = 1; i < n - 1; i++) {
if (P[i] > maxLen) {
maxLen = P[i];
centerIndex = i;
}
}
int start = (centerIndex - maxLen) / 2; //最开始讲的求原字符串下标
return s.substring(start, start + maxLen);
}
参考:
作者:windliang
链接:https://leetcode.cn/problems/longest-palindromic-substring/solutions/9001/xiang-xi-tong-su-de-si-lu-fen-xi-duo-jie-fa-bao-gu/
来源:力扣(LeetCode)