647. 回文子串
给定一个字符串,你的任务是计算这个字符串中有多少个回文子串。
具有不同开始位置或结束位置的子串,即使是由相同的字符组成,也会被视作不同的子串。
示例 1:
输入:“abc”
**输出:**3
**解释:**三个回文子串: “a”, “b”, “c”
示例 2:
输入:“aaa”
**输出:**6
**解释:**6个回文子串: “a”, “a”, “a”, “aa”, “aa”, “aaa”
方法一:动态规划法
暴力法主要浪费在判断回文串和字符串切片上,不能有效利用同中心的回文串的状态,简单来说就是此时我们假设前面的子串s[j,i]是回文串,那么,子串s[j-1,i+1]也有可能是回文串,不难想出当且仅当子串s[j,i]是回文串且s[j-1]=s[i+1]时,子串s[j-1,i+1]也是回文串,于是我们可以通过数组保存子串是否是回文串,然后通过递推上一次的状态,得到下一次的状态,属于动态规划的解法,令dp[j][i]表示子串s[j,i]是否是回文串,状态转移如下:
- 当i=j时,单个字符肯定是回文串,可以看成奇数回文串的起点
- 当s[i]==s[j]且i-j=1,则dp[j][i]是回文串,可以看成偶数回文串的起点
- 当s[i]==s[j]且dp[j+1][i-1]是回文串,则dp[j][i]也是回文串
其他情形都不是回文串,其中条件1、2、3是可以合并的:
当s[i]==s[j]时,dp[j+1][i-1]是回文串或i-j=0(奇数回文)或i-j=1(偶数回文),则dp[j][i]也是回文串。
class Solution {
public int countSubstrings(String s) {
int n = s.length();
int res = 0;
boolean[][] dp = new boolean[n][n];
for(int i=0;i<n;++i){
for(int j=0;j<=i;++j)
if(s.charAt(i) == s.charAt(j)&&(i-j==0 || i-j==1 || dp[j+1][i-1])){
dp[j][i] = true;
++res;
}
}
return res;
}
}
方法二:中心扩展法
动态规划的思想优点是比较好想,缺点也很明显,空间复杂度比较高,那么回顾一下,我们只是需要得到同中心的回文子串数目,显然只要我们找到子串的中心,然后使用两个指针不断向两端延伸即可,也就是中心扩展法,这样空间复杂度就降到O(1)了。找中心很简单,字符串中的元素逐一遍历即可,但是要注意是奇数还是偶数回文串,奇数回文串中心只有一个,而偶数回文串中心有两个,我们事先不知道奇偶,解决办法可以参考官方题解的,也可以都计算一遍,这样比较好想。
class Solution {
public int countSubstrings(String s) {
int n = s.length();
int res = 0;
for(int i=0;i<n;++i){
res = midextend(s,i,i,res,n);
res = midextend(s,i,i+1,res,n);
}
return res;
}
public int midextend(String s,int i,int j,int res,int n){
while(i >= 0 && j < n && s.charAt(i) == s.charAt(j)){
--i;
++j;
++res;
}
return res;
}
}
方法三:Manacher 算法
Manacher 算法是在线性时间内求解最长回文子串的算法。
Manacher 算法也会面临奇数长度和偶数长度的问题,它的处理方式是在所有的相邻字符中间插入#,比如 abaaabaa 会被处理成 #a#b#a#a#,这样可以保证所有找到的回文串都是奇数长度的,以任意一个字符为回文中心,既可以包含原来的奇数长度的情况,也可以包含原来偶数长度的情况。假设原字符串为 S,经过这个处理之后的字符串为 s。
我们用 f(i) 来表示以s 的第 i 位为回文中心,可以拓展出的最大回文半径,那么 f(i)−1 就是以 i 为中心的最大回文串长度 。
class Solution {
public int countSubstrings(String s) {
int n = s.length();
StringBuffer t = new StringBuffer("$#");
for (int i = 0; i < n; ++i) {
t.append(s.charAt(i));
t.append('#');
}
n = t.length();
t.append('!');
int[] f = new int[n];
int iMax = 0, rMax = 0, ans = 0;
for (int i = 1; i < n; ++i) {
// 初始化 f[i]
f[i] = i <= rMax ? Math.min(rMax - i + 1, f[2 * iMax - i]) : 1;
// 中心拓展
while (t.charAt(i + f[i]) == t.charAt(i - f[i])) {
++f[i];
}
// 动态维护 iMax 和 rMax
if (i + f[i] - 1 > rMax) {
iMax = i;
rMax = i + f[i] - 1;
}
// 统计答案, 当前贡献为 (f[i] - 1) / 2 上取整
ans += f[i] / 2;
}
return ans;
}
}
关于马拉车算法可以参考这篇文章:https://www.cnblogs.com/fan1-happy/p/11166182.html