1. 前言
关于 动态规划的理解 与例题,点击👇
有了上面的经验,我们来解下面 回文串类问题
2. 算法题
2.1_回文子串
题意分析
- 题目要求 找到字符串s中的回文子串的个数
- 我们可以使用中心扩展算法(枚举每一位作为回文子串的中心部分,再用双指针向左右两侧遍历)
- 这里使用动态规划(复杂度:n^2, n^2)
思路
- 设置状态表示
- dp[i][j]:字符串s->(i, j) 范围内的子串是否回文
- 写状态转移方程
- 初始化
- 不用初始化,直接填表即可(状态转移方程考虑了回文串长度为1、2的情况)
- 填表的顺序
- 由于用到了i+1与j-1的下标,则从下向上填表
- 返回值
- 遍历dp表,返回true的个数
代码
class Solution {
public:
int countSubstrings(string s) {
int n = s.size();
vector<vector<bool>> dp(n, vector<bool>(n, false)); // dp[i][j]: s中{i, j} 范围的子串是否为回文串
// if(s[i] != s[j]) dp[i][j] = false; // 默认为false
// 从下向上 + 从左向右 填表
int ret = 0; // 记录回文串个数
for(int i = n - 1; i >= 0; --i)
{
for(int j = i; j < n; ++j)
{
// if(i == j || i+1 == j) dp[i][j] = true; // 直接用下面的代码
if(s[i] == s[j]) // 长度为1、2的分类讨论
dp[i][j] = i + 1 < j ? dp[i+1][j-1] : true;
// 统计回文串个数
if(dp[i][j]) ++ret;
}
}
return ret;
}
};
2.2_最长回文子串
题意分析
- 本题与上一题类似,上一题要求回文子串的个数,本题要求最长的长度,只需要对结果的返回作更改即可
思路
- 设置状态表示
- dp[i][j]:字符串s->(i, j) 范围内的子串是否回文
- 写状态转移方程
- 初始化
- 不用初始化,直接填表即可(状态转移方程考虑了回文串长度为1、2的情况)
- 填表的顺序
- 由于用到了i+1与j-1的下标,则从下向上填表
- 返回值
- 通过循环更新最大值ret,在dp值为true的情况下,统计j-i+1与ret的值
代码
class Solution {
public:
string longestPalindrome(string s) {
// 动态规划:
int n = s.size();
vector<vector<bool>> dp(n, vector<bool>(n, false));
string ret = "";
for(int i = n-1; i >= 0; --i)
{
for(int j = i; j < n; ++j)
{
if(s[i] == s[j])
dp[i][j] = i+1 < j ? dp[i+1][j-1] : true;
// 比较 求结果
if(dp[i][j])
ret = ret.size() > j - i + 1 ? ret : s.substr(i, j - i + 1);
}
}
return ret;
}
};
2.3_分割回文串IV
题意分析
- 题目要求判断能否将一个字符串分割成三个回文子串(非空)
- 我们可以利用前面的题的思路,利用dp表可以判断一个(i, j)范围内的子串是否为回文串
思路
本题的dp表依然和前两道题一样,不再重复,直接介绍思路:
- 预处理dp表(上两题的步骤)
- 两层循环遍历字符串(两个指针将字符串可以分为三部分):找是否存在三个分割后的回文串
- 两层每次通过if(dp[0][i-1] && dp[i][j] && dp[j+1][n-1]) ,统计分隔的三部分是否满足条件
代码
class Solution {
public:
bool checkPartitioning(string s) {
int n = s.size();
// 预处理dp数组,用于判断{i, j}范围子串是否为回文串
vector<vector<bool>> dp(n, vector<bool>(n, false));
for(int i = n-1; i >= 0; --i)
for(int j = i; j < n; ++j)
if(s[i] == s[j])
dp[i][j] = i+1 < j ? dp[i+1][j-1] : true;
// 两层循环 遍历字符串找是否存在分割回文串
for(int i = 1; i < n - 1; ++i)
for(int j = i; j < n - 1; ++j)
{
if(dp[0][i-1] && dp[i][j] && dp[j+1][n-1])
return true;
}
return false;
}
};
2.4_分割回文串II
题意分析
- 题目要求找将字符串分隔后都是回文串的最少分割次数
与上一题 《分割回文子串Ⅳ》 一样,首先预处理一个dp数组,用于判断 i~j 范围的子串是否为回文串
思路
- 设置状态表示
- dp[i]表示:s[0, i] 范围内的最长子串(即起点到终点的子串) 的最少分割次数
- 写状态转移方程
- 初始化
- 将dp表值初始化为无限大(因为后面比较用的是min)
- 填表的顺序
- 从左向右填表
- 返回值
- dp[n-1]
代码
class Solution {
public:
int minCut(string s) {
int n = s.size();
// 预处理dp数组,用于判断{i,j}范围的最长子串是否为回文串
vector<vector<bool>> isPal(n, vector<bool>(n, false));
for(int i = n-1; i >= 0; --i)
for(int j = i; j < n; ++j)
if(s[i] == s[j])
isPal[i][j] = i+1 < j ? isPal[i+1][j-1] : true;
vector<int> dp(n, INT_MAX); //dp[i]: s[0, i] 范围最长的子串 的最少分割次数
for(int i = 0; i < n; ++i)
{
if(isPal[0][i]) dp[i] = 0; // 本身就是回文,不用分割
else {
for(int j = 1; j <= i; ++j)
if(isPal[j][i])
dp[i] = min(dp[i], dp[j - 1] + 1);
}
}
return dp[n-1];
}
};
2.5_最长回文子序列
题意分析
- 本题类似2.2《最长回文子串》,区别在于本题要求的是最长的回文子序列
- 同样我们进行dp表的创建:
思路
- 设置状态表示
- 根据一般情况,我们会定义
dp[i]:以i位置为结尾的所有子序列中,最长的子序列长度,但该状态表示无法正确推出状态转移方程 - 这里需要定义:dp[i][j]:[i, j]范围内的所有子序列中最长的子序列长度
- 根据一般情况,我们会定义
- 写状态转移方程
- 初始化
- 不用初始化
- 填表的顺序
- 从上向下填行,每行从左往右
- 返回值
- dp[0][n-1](整个字符串的最长回文子序列)
代码
class Solution {
public:
int longestPalindromeSubseq(string s) {
int n = s.size();
// 初始化dp数组
vector<vector<int>> dp(n, vector<int>(n, 0));
// 填表
for(int i = n-1; i >= 0; --i)
{
dp[i][i] = 1; // i==j 即回文子序列长度为1时
for(int j = i+1; j < n; ++j)
{
if(s[i] == s[j]) dp[i][j] = dp[i+1][j-1] + 2; // 当i+1=j时,dp[i][j]为2
else dp[i][j] = max(dp[i][j-1], dp[i+1][j]);
}
}
return dp[0][n-1];
}
};
2.6_让字符串成为回文串的最少插入次数
题意分析
- 题目要求将字符串变成回文串的最小操作次数,跟随2.5的思路,我们创建dp数组。
思路
-
设置状态表示
- dp[i][j]:i~j 范围下的子串变为回文串的最小插入次数
-
写状态转移方程
-
初始化
- 无需初始化
-
填表的顺序
- 从下向上填行,每行从左往右
-
返回值
- dp[0][n-1]
代码
class Solution {
public:
int minInsertions(string s) {
int n = s.size();
// 初始化dp数组: dp[i][j]表示 范围在{i, j}内的最少插入次数
vector<vector<int>> dp(n, vector<int>(n, 0));
// 填表
for(int i = n-1; i >= 0; --i) // 从下到上
for(int j = i + 1; j < n; ++j) // 从左到右
{
if(s[i] == s[j]) dp[i][j] = dp[i+1][j-1]; // i==j 与 i+i==j 时dp[i][j]即为0
else dp[i][j] = min(dp[i][j-1], dp[i+1][j]) + 1;
}
return dp[0][n-1];
}
};